-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathshow_histogram.py
120 lines (109 loc) · 4.39 KB
/
show_histogram.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
# -*- coding: utf-8 -*-
"""
@title: 去除印章
"""
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread("src/input.png",cv2.IMREAD_COLOR) # 以BGR色彩读取图片
# image = cv2.resize(image0,None,fx=0.5,fy=0.5,interpolation=cv2.INTER_CUBIC) # 缩小图片0.5倍（图片太大了）
cols, rows, dims =image.shape # 获取图片高、宽、维度
B_channel,G_channel,R_channel=cv2.split(image) # 注意cv2.split()返回通道顺序（因为是按照BGR读取的）
cv2.imshow('Blue channel',B_channel)
cv2.imshow('Green channel',G_channel)
cv2.imshow('Red channel',R_channel)
pixelSequence=R_channel.reshape([rows*cols,1]) # 红色通道的histgram 变换成一维向量
numberBins=256 # 统计直方图的组数
plt.figure() # 计算直方图
'''
返回的Figure实例会被传递给后端的新图像管理器new_figure_manager，
这将允许定制的Figure类到pylab接口，
额外饿参数会被传递给图形初始化函数
'''
manager = plt.get_current_fig_manager()
histogram,bins,patch=plt.hist(pixelSequence,
numberBins,
facecolor='red',
histtype='bar') # facecolor设置为黑色
'''
matplotlib.pyplot.hist(
x, bins=None, range=None,
density=None, weights=None, cumulative=False,
bottom=None, histtype='bar', align='mid',
orientation='vertical', rwidth=None, log=False,
color=None, label=None, stacked=False, normed=None,
hold=None, data=None, **kwargs)
参数：
x : (n,) n维数组或者n维数组序列，多维数组长度不要求一致
bins : 整数，序列，或者 ‘auto’, 可选
color:颜色
histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}, 默认"bar",
'''
# 设置坐标范围
y_maxValue=np.max(histogram)
plt.axis([0,255,0,y_maxValue])
'''
参数一：X轴坐标最小值
参数二：X轴坐标最大值
参数三：Y轴坐标最小值
参数四：Y轴坐标最大值
'''
# 设置坐标轴
plt.xlabel("gray Level",fontsize=20)
plt.ylabel('number of pixels',fontsize=20)
plt.title("Histgram of red channel", fontsize=25)
plt.xticks(range(0,255,10))
# 显示直方图
# plt.pause(0.05)
# 保存直方图
plt.savefig("results/histgram.png", dpi=None, bbox_inches=None)
'''
参数(fname, dpi=None, facecolor=’w’, edgecolor=’w’,
orientation=’portrait’, papertype=None, format=None,
transparent=False, bbox_inches=None, pad_inches=0.1,
frameon=None)
'''
plt.show()
# 红色通道阈值(调节好函数阈值为160-190时效果最好，太小显示不完整，太大黑色太多)
dims, RedThresh = cv2.threshold(R_channel,160,255,0) # THRESH_BINARY二元阈值
'''
像素高于阈值时，给像素赋予新值，否则，赋予另外一种颜色
HRESH_BINARY二元阈值
cv2.threshold (src, thresh, maxval, type)
第一个原图像，
第二个进行分类的阈值，
第三个是高于（低于）阈值时赋予的新值，
第四个是一个方法选择参数，常用的有：
--------------------------------------------
• cv2.THRESH_BINARY（黑白二值） （或者0)
• cv2.THRESH_BINARY_INV（黑白二值反转）(或者1）
• cv2.THRESH_TRUNC （得到的图像为多像素值）
• cv2.THRESH_TOZERO
• cv2.THRESH_TOZERO_INV
--------------------------------------------
或者：
--------------------------------------------
阈值 |小于阈值的像素点 |大于阈值的像素点
0 |置0 |置填充色
1 |置填充色 |置0
2 |保持原色 |置灰色
3 |置0 |保持原色
4 |保持原色 |置0
--------------------------------------------
该函数有两个返回值：
第一个retVal（得到的阈值值（在后面一个方法中会用到）），
第二个就是阈值化后的图像数组。
'''
# 显示效果
cv2.imshow('original color image', image)
cv2.imshow("RedThresh", RedThresh)
# 保存图像
cv2.imwrite('results/scale_image.jpg', image)
cv2.imwrite('results/RedThresh.jpg', RedThresh)
# 膨胀操作（可以省略）
# element = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
# erode = cv2.erode(RedThresh, element)
# cv2.imshow("erode",erode)
# cv2.imwrite("erode.jpg",erode)
cv2.waitKey(0)
cv2.destroyAllWindows()