【python版CV】-直方圖 ＆ 傅裡葉變換

文章目錄

• • • 1、直方圖
    • • mask操作：
      • shape學習
      • 圖像基本運算：
      • 直方圖均衡化
    • 2、傅裡葉變換
    • • 傅裡葉變換的作用
      • 濾波：
      • 低通濾波器
      • 高通濾波器

1、直方圖

說明：統計像素值，用柱形圖來統計

cv.calcHist(images,channels,mask,histSize,ranges)

• images：原圖像的格式為uint8或者float32.當傳入函數時，應用括號[]括起來，如：[image]
• channels：同樣用括號括起來，告訴函數我們統幅圖像的直方圖。如果入圖像是灰度圖它的值就是[0]，如果是彩色圖，它的值可以是[0]、[1]、[2]，對應B、G、R
• mask：掩膜圖像。統整幅圖像的直方圖就把它設為None，但如果想統整幅圖像某一部分的直方圖就制作一個掩膜圖像並使用它。
• histSize： BIN的數目，括號括起來（一般固定256）
• ranges：像素范圍[0，256]（一般固定）

#直方圖
img=cv.imread("E:\\Pec\\cat.jpg",0)
hist=cv.calcHist([img],[0],None,[256],[0,256])
print(hist.shape)
plt.hist(img.ravel(),256)
plt.show()
#彩色圖
img=cv.imread("E:\\Pec\\cat.jpg")
color=('b','g','r')
for i,col in enumerate(color):
histr=cv.calcHist([img],[i],None,[256],[0,256])
plt.plot(histr,color=col)
plt.xlim([0,256])
plt.show()

mask操作：

掩碼（mask）：只有兩部分，一部分為黑，另一部分為白。

img=cv.imread("E:\\Pec\\cat.jpg",0)
mask_1=np.zeros(img.shape[:2],np.uint8)
print(mask_1.shape)
#選擇一些區域
mask_1[100:300,180:480]=255
#[100:300]表示上下去100位置到300，同理左右去180位置到480
cv_show('mask',mask_1)
masked_img=cv.bitwise_and(img,img,mask=mask_1)#與操作,mask表示要提取的區域
cv_show('masked_img',masked_img)
plt.subplot(221),plt.imshow(img,'gray')
plt.subplot(222),plt.imshow(masked_img,'gray')
plt.show()
#plt.subplot(221) 表示將整個圖像窗口分為2行2列, 當前位置為1.
#plt.subplot(221) 表示第一行的左圖
#plt.subplot(222) 表示將整個圖像窗口分為2行2列, 當前位置為2.
#plt.subplot(222) 第一行的右圖
#plt.plot(圖線名）
#plt.xlim() 顯示的是x軸的作圖范圍
#plt.ylim() 顯示的是y軸的作圖范圍

shape學習

1. shape[:2] 取彩色圖片的長和寬
   shape[:3]取彩色圖片的長和寬和通道
   

2. img.shape[0]:圖像的垂直高度
   img.shape[1]:圖像的水平寬度
   img.shape[2]:圖像的通道數
   

3. 矩陣中，[0]代表水平，[1]代表高度。
   

   print(type(img)) #顯示類型
   print(img.shape) #顯示尺寸
   print(img.shape[0]) #圖片寬度
   print(img.shape[1]) #圖片高度
   print(img.shape[2]) #圖片通道數
   print(img.size) #顯示總像素個數
   print(img.max()) #最大像素值
   print(img.min()) #最小像素值
   print(img.mean()) #像素平均值
   print(img.shape[:0])
   print(img.shape[:1])#圖片寬度
   print(img.shape[:2])#圖片寬度，高度
   print(img.shape[:3])#圖片寬度，高度，通道數
   

圖像基本運算：

說明：圖像的基本運算有很多種，比如兩幅圖像可以相加、相減、相乘、相除、位運算、平方根、對數、絕對值等；圖像也可以放大、縮小、旋轉，還可以截取其中的一部分作為ROI（感興趣區域）進行操作，各個顏色通道還可以分別提取及對各個顏色通道進行各種運算操作。

#bitwise_and、bitwise_or、bitwise_xor、bitwise_not這四個按位操作函數。
void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 & src2
void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 | src2
void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray()); //dst = src1 ^ src2
void bitwise_not(InputArray src, OutputArray dst,InputArray mask=noArray()); //dst = ~src

• bitwise_and是對二進制數據進行“與”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“與”操作，1&1=1，1&0=0，0&1=0，0&0=0
• bitwise_or是對二進制數據進行“或”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0
• bitwise_xor是對二進制數據進行“異或”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“異或”操作，1^1=0,10=1,0^1=1,00=0
• bitwise_not是對二進制數據進行“非”操作，即對圖像（灰度圖像或彩色圖像均可）每個像素值進行二進制“非”操作，_1=0，0=1

直方圖均衡化

img=cv.imread("E:\\Pec\\cat.jpg",0)
hist=cv.calcHist([img],[0],None,[256],[0,256])
#均衡化
equ=cv.equalizeHist(img)
plt.subplot(221),plt.hist(img.ravel(),256)
plt.subplot(222),plt.hist(equ.ravel(),256)
plt.show()
res=np.hstack((img,equ))
cv_show("red",res)

2、傅裡葉變換

說明：生活在時間的世界中，早上7:00吃早飯，8:00上班路上，9:00上班，以時間為參照的時域分析。頻域中看來一切都是靜止的，以上帝的視角。不需要了解你什麼時間按照順序干了什麼事，只需要了解你這一天干了什麼就行了

傅裡葉變換的作用

• 高頻：變換劇烈得到灰度分量，例如邊界
• 低頻：變化緩慢的灰度分量，例如一望無際的大海

濾波：

• 低通濾波器：只保留低頻，會使圖像變得模糊
• 高通濾波器：只保留高頻，會使圖像細節增強

注意：

（1）輸入圖像需要先轉換成np.float32格式

（2）得到的結果中頻域為0的部分會在左上角，通常要轉到中心位置，可以通過shift變換來實現

（3）cv.dft()返回的結果是雙通道的(實部，虛部)，通常需要轉換成圖像格式才能展示（0,255）

補充：

（1）numpy.zeros(shape, dtype=float)

• 各個參數意義：
  shape：創建的新數組的形狀（維度）。
  dtype：創建新數組的數據類型。
• 返回值：給定維度的全零數組。

（2）numpy.ones(shape, dtype=None, order=‘C’)

• 可以創建任意維度和元素個數的數組，其元素值均為1
• shape ：int或int的序列，為新數組的形狀；
• dtype（可選 ）：數組的所需數據類型；默認是 numpy.float64。
• order ： {‘C’，‘F’}，可選，默認值：C 是否在內存中以行主（C-風格）或列主（Fortran-風格）順序存儲多維數據。

img=cv.imread("E:\\Pec\\lida.jpg",0)
img_float32=np.float32(img)#輸入圖像需要先轉換成np.float32格式
#傅裡葉轉換為復數
dft=cv.dft(img_float32,flags=cv.DFT_COMPLEX_OUTPUT)
#將低頻從左上角轉換到中心
dft_shift=np.fft.fftshift(dft)
#得到灰度圖能表示的形式
#cv.dft()返回的結果是雙通道的(實部，虛部)，通常需要轉換成圖像格式才能展示（0,255）
magnitude_spectrum=20*np.log(cv.magnitude(dft_shift[:,:,0],dft_shift[:,:,1]))
plt.subplot(121),plt.imshow(img,'gray')
plt.title('Input Image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(magnitude_spectrum,'gray')
plt.title('Magnitude Spectrum'),plt.xticks([]),plt.yticks([])
plt.show()

低通濾波器

#低通濾波器
img=cv.imread("E:\\Pec\\lida.jpg",0)
img_float32=np.float32(img)#輸入圖像需要先轉換成np.float32格式
#傅裡葉轉換為復數
dft=cv.dft(img_float32,flags=cv.DFT_COMPLEX_OUTPUT)
#將低頻從左上角轉換到中心
dft_shift=np.fft.fftshift(dft)
#找到圖像中心位置
rows,cols=img.shape
crow,col=int(rows/2),int(cols/2)
#低通濾波
#生成rows行cols列的2緯矩陣，數據格式為uint8,uint8的范圍[0,255]
mask=np.zeros((rows,cols,2),np.uint8)
mask[crow-30:crow+30,col-30:col+30]=1
#IDFT
fshift=dft_shift*mask
f_ishift=np.fft.ifftshift(fshift)
img_back=cv.idft(f_ishift)
img_back=cv.magnitude(img_back[:,:,0],img_back[:,:,1])
plt.subplot(121),plt.imshow(img,'gray')
plt.title('Input Image'),plt.xticks([]),plt.yticks([])
plt.subplot(122),plt.imshow(img_back,'gray')
plt.title('Result'),plt.xticks([]),plt.yticks([])
plt.show()

從結果可以看出，圖像的邊緣模糊，但是圖像除邊緣部分的其他地方不模糊

高通濾波器

#高通濾波
#生成rows行cols列的2緯矩陣，數據格式為uint8,uint8的范圍[0,255]
mask=np.ones((rows,cols,2),np.uint8)
mask[crow-30:crow+30,col-30:col+30]=0

從結果可以看出，圖像只有邊緣信息保存下來，內容模糊不見了