机器学习进阶-直方图与傅里叶变换-图像直方图 1.cv2.calc(生成图像的像素频数分布(直方图))

import cv2
import numpy as np
import matplotlib.pyplot as plt


def cv_show(img, name):
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 第一步读入图片
img = cv2.imread(‘cat.jpg‘, 0)

# 第二步:使用calchist计算每个像素点的频数
hist = cv2.calcHist([img], [0], None, [256], [1, 256])

# 第三步：进行画图操作
plt.subplot(131)
plt.imshow(img, cmap=‘gray‘)
plt.subplot(132)
plt.hist(img.ravel(), 256)
plt.subplot(133)
plt.plot(hist, color=‘red‘)
plt.show()

# 研究不同颜色像素分布情况
img = cv2.imread(‘cat.jpg‘)

color = [‘b‘, ‘g‘, ‘r‘]
for i, col in enumerate(color):
    histr = cv2.calcHist([img], [i], None, [256], [1, 256])
    plt.plot(histr, color=col, label=col)
    plt.legend()
plt.show()

# 第一步读入图片
img = cv2.imread(‘cat.jpg‘, 0)

# 第二步：生成掩码，中间部分为255，边缘部分都为0
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255

# 第三步：使用cv2.bitwise与操作，只保留图像的中间部分
ret = cv2.bitwise_and(img, img, mask=mask) # 做与操作

# 第四步：使用cv2.calcHist带入掩码生成频数曲线
m_hist = cv2.calcHist([img], [0], mask, [256], [1, 256])

# 第五步：进行最终的绘图操作
plt.subplot(221)
plt.imshow(img, ‘gray‘)
plt.subplot(222)
plt.imshow(mask, ‘gray‘)
plt.subplot(223)
plt.imshow(ret, ‘gray‘)
plt.subplot(224)
plt.plot(m_hist)
plt.plot(hist)
plt.show()