opencv | 圖像直方圖的應(yīng)用場景
編輯 深度學(xué)習(xí)初學(xué)者 轉(zhuǎn)載自：OpenCV學(xué)堂
之前寫過很多圖像直方圖相關(guān)的知識跟OpenCV程序演示，這篇算是把之前的都回顧一波。做好自己的知識梳理。
圖像直方圖
圖像直方圖是圖像的基本屬性之一，也是圖像像素數(shù)據(jù)分布的統(tǒng)計學(xué)特征，常見的圖像直方圖可以分為二值圖像的直方圖表示如下：
上圖a是4x4的二值圖像，b是對應(yīng)的直方圖，可以看出X軸表示像素范圍(0-黑色、1-白色),Y軸表示像素值出現(xiàn)的頻次，即分布。
對灰度圖像來說，它的像素值取值范圍會擴(kuò)展到0～255之間，其直方圖可以表示如下：
從上面的圖中可以發(fā)現(xiàn)灰度圖像的直方圖依然是X軸表示像素值范圍、Y軸表示各個像素值出現(xiàn)頻次，即像素分布。
彩色圖像有紅色、綠色、藍(lán)色三個通道，其直方圖表示稍微復(fù)雜一點(diǎn)，要對每個通道進(jìn)行直方圖計算跟表示，圖示如下：
可以看出彩色圖像的三個通道各自對應(yīng)一個直方圖分布。
直方圖閾值化
OpenCV中支持的兩種閾值計算的二值化方法
THRESH_OTSU
THRESH_TRIANGLE
均是基于圖像直方圖實(shí)現(xiàn)圖像二值化分割，其中OTSU閾值分割（大津）對直方圖為雙峰的灰度圖像效果比較好，圖示如下：
而三角法對直方圖分布單峰的圖像分割效果比較好，圖示如下下：
直方圖均衡化
直方圖均衡化是一種通過提升圖像對比度實(shí)現(xiàn)圖像增強(qiáng)的方法，它跟最基礎(chǔ)的基于像素差值放縮改變對比度的方法效果更好。圖示如下：
從上圖中可以看出，最左側(cè)列是輸入圖像，是低對比度圖像，左側(cè)二列為直接改變像素值獲得對比度提升圖像，左側(cè)三列是通過直方圖均衡化完成對比度提升，最右側(cè)一列也是通過直方圖均衡化完成，不過是基于局部直方圖均衡化。OpenCV中支持兩種直方圖均衡化方法分別是：
正常的直方圖均衡化（全局直方圖均衡化）
對比度受限的自適應(yīng)直方圖均衡化(CLAHE-局部自適應(yīng)直方圖均衡化)
特別需要注意的是OpenCV的直方圖均衡化函數(shù)都只支持單通道八位的圖像、對RGB彩色圖像來說，要實(shí)現(xiàn)直方圖均衡化提升對比度必須先轉(zhuǎn)換到HSV色彩空間，然后對亮度通道V進(jìn)行直方圖均衡化之后再轉(zhuǎn)換到RGB色彩空間顯示。圖示如下：
直方圖對比
圖像直方圖還可以實(shí)現(xiàn)圖像相似性簡單分析與查找，其原理是對兩張圖像生成的直方圖分布數(shù)據(jù)，進(jìn)行歸一化之后比較，根據(jù)數(shù)據(jù)像素程度，從而判定圖像內(nèi)容的相似程度，該方法可靠性雖然不高，但勝在快捷方便。OpenCV中支持的直方圖比較的方法有如下：
相關(guān)函數(shù)為：
compareHist(InputArray H1,InputArray H2,int method)
參數(shù)解釋
H1表示第一張圖的直方圖
H2表示第二張圖的直方圖
method表示直方圖比較的方法，支持卡方、相關(guān)性，交叉、巴氏距離
直方圖反向投影
圖像反向投影的最終目的是獲取ROI然后實(shí)現(xiàn)對ROI區(qū)域的標(biāo)注、識別、測量等圖像處理與分析，是計算機(jī)視覺與人工智能的常見方法之一。反向投影通常是彩色圖像投影效果會比灰度圖像效果要好，原因在于彩色圖像帶有更多對象細(xì)節(jié)信息，在反向投影的時候更加容易判斷、而轉(zhuǎn)為灰度圖像會導(dǎo)致這些細(xì)節(jié)信息丟失、從而導(dǎo)致分割失敗。最常見的是基于圖像直方圖特征的反向投影，正是因?yàn)橹狈綀D反向投影有這樣能力，所以在經(jīng)典的MeanShift與CAMeanShift跟蹤算法中一直是通過直方圖反向投影來實(shí)現(xiàn)已知對象物體的定位。
需要注意的是，直方圖反向投影是基于顏色的，所以會對RGB彩色圖像轉(zhuǎn)換到HSV色彩空間，然后基于H跟S兩個通道生成2D直方圖數(shù)據(jù)分布，如下圖所示：
其它類型圖像直方圖與直方圖缺陷
除了圖像像素分布直方圖，還有一些其他類型基于圖像梯度跟角度的直方圖類型，總結(jié)如下：
-圖像像素直方圖
-圖像梯度直方圖
-圖像角度直方圖
后面兩種類型的直方圖在SIFT跟HOG特征提取的算法中都有應(yīng)用，但是同時直方圖只是數(shù)據(jù)統(tǒng)計信息，沒有包含圖像空間信息，所以通過直方圖無法正確描述圖像的結(jié)構(gòu)化信息。它的缺點(diǎn)圖示如下：
上圖說明直方圖數(shù)據(jù)完全一致的圖像，但是圖像的空間結(jié)構(gòu)完全不同，根本沒有相似性可言，所以圖像直方圖信息只是圖像的基本屬性之一，但是不是圖像的唯一特征。同樣作為圖像的基本屬性之一，直方圖應(yīng)用范圍非常廣泛，是最基礎(chǔ)的圖像特征向量數(shù)據(jù)之一，常規(guī)的直方圖歸一化即可得到PDF數(shù)據(jù)。
猜您喜歡：
等你著陸！【GAN生成對抗網(wǎng)絡(luò)】知識星球！
CVPR 2021 | GAN的說話人驅(qū)動、3D人臉論文匯總
CVPR 2021 | 圖像轉(zhuǎn)換 今如何？幾篇GAN論文
CVPR 2021生成對抗網(wǎng)絡(luò)GAN部分論文匯總
最新最全20篇！基于 StyleGAN 改進(jìn)或應(yīng)用相關(guān)論文
附下載 | 經(jīng)典《Think Python》中文版
附下載 | 《Pytorch模型訓(xùn)練實(shí)用教程》
附下載 | 最新2020李沐《動手學(xué)深度學(xué)習(xí)》
附下載 | 《可解釋的機(jī)器學(xué)習(xí)》中文版
附下載 |《TensorFlow 2.0 深度學(xué)習(xí)算法實(shí)戰(zhàn)》