[Python] openCV : Histogram

Histogram

---

▶ 개념

• 영상의 픽셀 값 분포를 그래프 형태로 표현
  • 그레이스케일 영상 : 그레이 스케일 값의 픽셀 개수를 히스토그램으로 표현
  • 컬러 영상 : 색상 성분 조합의 픽셀 개수를 히스토 그램으로 표현

 

▶ 히스토그램 계산

• • 4x4 크기, 0~7 밝기값(gray scale)
  • 각 밝기 값의 대한 히스토그램간단한 히스토그램 예제

 

 

 

▶ 영상 분석

 

 

 

▶ 비교함수

• cv2.CMP_EQ
  • src1과 src2의 요소가 같음
• cv2.CMP_NE
  • src1과 src2의 요소가 같지 않음
   
• cv2.CMP_GT
  • src1과 src2의 요소가 큼
• cv2.CMP_GE
  • src1과 src2의 요소가 크거나 같음
• cv2.CMP_LT
  • src1과 src2의 요소가 작음
• cv2.CMP_LE
  • src1과 src2의 요소가 작거나 같음

 

 

 

▶ 히스토그램 스트레칭

• 영상의 히스토그램을 전 구간에 분포하게 하는 선형 변환 기법.
• 명암비가 낮은 영상은 히스토그램이 특정 구간에 집중됨.
• 히스토그램을 늘려 그레이스케일 범위를 전 구간으로 변환.

 

▶ 히스토그램 응용

히스토그램 평활화

• 영상의 픽셀 값 분포가 그레이스케일 전체영역에서 균일하게 분포하도록 변경하는 알고리즘
• 특정 밝기값 근방에 몰려 잇는 픽셀 분포를 분산시킴.
• 히스토그램 누적 함수 H(g)를 이용하여 계산
  • h(g) : 밝기값이 g인 픽셀의 개수
  • N : 영상 픽셀 개수
  • LMax : 255
   

 

▷ cv2.equalizerHist(src[, dst]) -> dst

 

 

 

 

 

▶ 정리

히스토그램은 영상의 픽셀 값의 분포, 각 밝기 값의 빈도수 의미

히스토그램으로 영상의 특징 대략적 파악, 히스토그램 조작으로 여러가지 효과

 

 

 

 

 

레나 히스토그램 생성¶

 

In [44]:

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

src = cv2.imread('./image/lena.jpg', cv2.IMREAD_GRAYSCALE)

hist1 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[32], ranges=[0,256])
hist2 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[256], ranges=[0,256])

print('hist1 : ', hist1)
print('hist2 : ', hist2)

 

 

hist1 :  [[0.0000e+00]
 [0.0000e+00]
 [4.0000e+00]
 [4.5700e+02]
 [3.9840e+03]
 [1.2842e+04]
 [1.5364e+04]
 [9.7330e+03]
 [6.6300e+03]
 [6.9730e+03]
 [7.5490e+03]
 [9.9030e+03]
 [1.4938e+04]
 [1.2189e+04]
 [1.1516e+04]
 [1.5556e+04]
 [1.7769e+04]
 [1.7279e+04]
 [1.8434e+04]
 [2.0473e+04]
 [1.2963e+04]
 [9.8330e+03]
 [7.7490e+03]
 [5.4350e+03]
 [7.0610e+03]
 [7.3390e+03]
 [7.2600e+03]
 [2.4070e+03]
 [4.7200e+02]
 [2.8000e+01]
 [4.0000e+00]
 [0.0000e+00]]
hist2 :  [[0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [1.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [1.000e+00]
 [2.000e+00]
 [4.000e+00]
 [8.000e+00]
 [1.700e+01]
 [2.400e+01]
 [5.600e+01]
 [8.200e+01]
 [1.100e+02]
 [1.560e+02]
 [2.010e+02]
 [2.870e+02]
 [3.380e+02]
 [4.240e+02]
 [5.210e+02]
 [6.130e+02]
 [7.080e+02]
 [8.920e+02]
 [1.031e+03]
 [1.265e+03]
 [1.459e+03]
 [1.604e+03]
 [1.695e+03]
 [1.905e+03]
 [1.889e+03]
 [1.994e+03]
 [2.002e+03]
 [2.065e+03]
 [2.022e+03]
 [2.031e+03]
 [1.897e+03]
 [1.886e+03]
 [1.743e+03]
 [1.718e+03]
 [1.524e+03]
 [1.460e+03]
 [1.256e+03]
 [1.266e+03]
 [1.190e+03]
 [1.078e+03]
 [9.910e+02]
 [9.680e+02]
 [9.160e+02]
 [8.770e+02]
 [8.210e+02]
 [8.120e+02]
 [7.330e+02]
 [8.060e+02]
 [8.460e+02]
 [8.190e+02]
 [7.680e+02]
 [8.850e+02]
 [8.760e+02]
 [8.570e+02]
 [8.720e+02]
 [8.690e+02]
 [9.590e+02]
 [8.870e+02]
 [9.740e+02]
 [9.080e+02]
 [8.380e+02]
 [9.760e+02]
 [9.480e+02]
 [9.460e+02]
 [9.520e+02]
 [1.007e+03]
 [1.052e+03]
 [1.153e+03]
 [1.149e+03]
 [1.163e+03]
 [1.221e+03]
 [1.258e+03]
 [1.445e+03]
 [1.462e+03]
 [1.601e+03]
 [1.852e+03]
 [1.815e+03]
 [1.928e+03]
 [1.967e+03]
 [1.901e+03]
 [2.006e+03]
 [1.868e+03]
 [1.816e+03]
 [1.692e+03]
 [1.594e+03]
 [1.551e+03]
 [1.397e+03]
 [1.436e+03]
 [1.382e+03]
 [1.321e+03]
 [1.395e+03]
 [1.375e+03]
 [1.375e+03]
 [1.412e+03]
 [1.403e+03]
 [1.453e+03]
 [1.478e+03]
 [1.625e+03]
 [1.628e+03]
 [1.593e+03]
 [1.808e+03]
 [1.831e+03]
 [2.033e+03]
 [2.098e+03]
 [2.220e+03]
 [2.345e+03]
 [2.444e+03]
 [2.356e+03]
 [2.463e+03]
 [2.309e+03]
 [2.296e+03]
 [2.027e+03]
 [1.961e+03]
 [1.913e+03]
 [1.903e+03]
 [1.911e+03]
 [2.068e+03]
 [2.035e+03]
 [2.339e+03]
 [2.293e+03]
 [2.337e+03]
 [2.393e+03]
 [2.485e+03]
 [2.425e+03]
 [2.247e+03]
 [2.279e+03]
 [2.222e+03]
 [2.196e+03]
 [2.276e+03]
 [2.304e+03]
 [2.433e+03]
 [2.667e+03]
 [2.643e+03]
 [2.724e+03]
 [2.741e+03]
 [2.584e+03]
 [2.421e+03]
 [2.260e+03]
 [2.076e+03]
 [1.915e+03]
 [1.748e+03]
 [1.634e+03]
 [1.474e+03]
 [1.438e+03]
 [1.387e+03]
 [1.291e+03]
 [1.231e+03]
 [1.192e+03]
 [1.168e+03]
 [1.249e+03]
 [1.265e+03]
 [1.229e+03]
 [1.235e+03]
 [1.264e+03]
 [1.241e+03]
 [1.170e+03]
 [1.115e+03]
 [1.033e+03]
 [9.470e+02]
 [8.260e+02]
 [7.510e+02]
 [6.660e+02]
 [6.330e+02]
 [6.410e+02]
 [5.940e+02]
 [6.600e+02]
 [6.330e+02]
 [7.110e+02]
 [7.810e+02]
 [7.820e+02]
 [8.100e+02]
 [8.660e+02]
 [9.110e+02]
 [9.630e+02]
 [9.550e+02]
 [8.320e+02]
 [8.580e+02]
 [8.660e+02]
 [8.380e+02]
 [9.060e+02]
 [8.390e+02]
 [9.030e+02]
 [9.220e+02]
 [9.420e+02]
 [9.760e+02]
 [1.013e+03]
 [1.087e+03]
 [1.077e+03]
 [9.690e+02]
 [9.650e+02]
 [1.023e+03]
 [8.700e+02]
 [7.000e+02]
 [5.690e+02]
 [4.630e+02]
 [4.050e+02]
 [3.580e+02]
 [3.280e+02]
 [2.570e+02]
 [2.080e+02]
 [2.130e+02]
 [1.750e+02]
 [1.200e+02]
 [1.020e+02]
 [7.500e+01]
 [6.500e+01]
 [3.700e+01]
 [3.300e+01]
 [2.300e+01]
 [1.700e+01]
 [9.000e+00]
 [9.000e+00]
 [3.000e+00]
 [4.000e+00]
 [2.000e+00]
 [1.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [1.000e+00]
 [0.000e+00]
 [0.000e+00]
 [1.000e+00]
 [1.000e+00]
 [0.000e+00]
 [1.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]
 [0.000e+00]]

 

 

두 히스토그램 1차원 벡터로 변경 후 선그래프, 히스토그램 막대그래프로 표현¶

 

In [45]:

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

hist1 = hist1.flatten() #32
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size32")
plt.plot(hist1, c='r')
plt.bar(np.arange(32), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

plt.show()

 

 

 

 

히스토그램 스트레칭은 OpenCV에서 함수로 제공하지 않는다.¶

cv2.minMaxLoc 함수 사용
기본 값으로 0,255를 많이 가지고 있는 경우 의미가 없어진다.

 

In [55]:

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

src = cv2.imread('./image/lena.jpg', cv2.IMREAD_GRAYSCALE)

dst1 = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)

hist1 = cv2.calcHist(images=[dst1], channels=[0], mask=None, histSize=[32], ranges=[0,256])
hist2 = cv2.calcHist(images=[dst2], channels=[0], mask=None, histSize=[256], ranges=[0,256])

hist1 = hist1.flatten() #32
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size32")
plt.plot(hist1, c='r')
plt.bar(np.arange(32), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

plt.show()

 

 

 

 

kawkes 실제 이미지, 명암비 히스토그램 확인 후 선명하게 변경¶

1. 명암비 히스토그램 확인
2. 선명하기 변경

 

In [2]:

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

src = cv2.imread('./image/hawkes.bmp', cv2.IMREAD_GRAYSCALE)

hist1 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[32], ranges=[0,256])
hist2 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[256], ranges=[0,256])

hist1 = hist1.flatten() #32
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size32")
plt.plot(hist1, c='r')
plt.bar(np.arange(32), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

 

Out[2]:

<BarContainer object of 256 artists>

 

 

In [1]:

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

src = cv2.imread('./image/hawkes.bmp', cv2.IMREAD_GRAYSCALE)

dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)

hist1 = cv2.calcHist(images=[dst], channels=[0], mask=None, histSize=[32], ranges=[0,256])
hist2 = cv2.calcHist(images=[dst], channels=[0], mask=None, histSize=[256], ranges=[0,256])

hist1 = hist1.flatten() #32
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size32")
plt.plot(hist1, c='r')
plt.bar(np.arange(32), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

# cv2.imshow('dst', dst)
# cv2.waitKey()
# cv2.destroyAllWindows()

 

Out[1]:

<BarContainer object of 256 artists>

 

 

In [ ]:

# 추가 데이터를 넣음으로서 명암이 사라짐
src[:10,:10] = 0
src[11:20, 11:20] = 255
dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)
cv2.imshow("src", src)
cv2.imshow("dst", dst)
cv2.waitKey()
cv2.destroyAllWindows()
cv2.waitKey(1)

 

 

히스토그램 평활화¶

영상의 픽셀 값 분포가 그레이스케일 전체영역에서 균일하게 분포하도록 변경하는 알고리즘
특정 밝기값 근방에 몰려있는 픽셀 분포를 분산시킴
히스토그램 누적 함수 H(g)를 이용하여 계산
cv2.equalizeHist(src[,dst])

 

In [16]:

src = np.array([[0,0,0,0], 
               [1,1,3,5],
               [6,1,1,3],
               [4,3,1,7]], dtype=np.uint8)

dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)

hist1 = cv2.calcHist(images=[dst], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist1 = hist1.flatten() #256

dst2 = cv2.equalizeHist(dst)
hist2 = cv2.calcHist(images=[dst2], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size256")
plt.plot(hist1, c='r')
plt.bar(np.arange(256), hist1, color='blue')


# 평활화
plt.subplot(2,1,2)
plt.title("hist2 : size256")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

 

Out[16]:

<BarContainer object of 256 artists>

 

 

 

lena, hawkes 영상 노멀라이스, 평활하 적용하여 원본과 비교¶

 

In [ ]:

# 레나 영상 노멀라이즈 평활화 모두 적용하여 원본과 비교

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

src = cv2.imread('./image/lena.jpg', cv2.IMREAD_GRAYSCALE)

dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)
dst2 = cv2.equalizeHist(src)
dst3 = cv2.equalizeHist(dst)

cv2.imshow('norm', dst)
cv2.imshow('norm_equl', dst2)
cv2.imshow('equl', dst3)
cv2.waitKey()
cv2.destroyAllWindows()


# 히스토그램
hist1 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist1 = hist1.flatten() #256

hist2 = cv2.calcHist(images=[dst3], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size256")
plt.plot(hist1, c='r')
plt.bar(np.arange(256), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256_norm_equal")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')

 

In [ ]:

# hawkes 영상 노멀라이즈 평활화 모두 적용하여 원본과 비교

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

src = cv2.imread('./image/hawkes.bmp', cv2.IMREAD_GRAYSCALE)

dst = cv2.normalize(src, None, 0, 255, cv2.NORM_MINMAX)
dst2 = cv2.equalizeHist(src)
dst3 = cv2.equalizeHist(dst)

cv2.imshow('norm', dst)
cv2.imshow('norm_equl', dst2)
cv2.imshow('equl', dst3)
cv2.waitKey()
cv2.destroyAllWindows()


# 히스토그램
hist1 = cv2.calcHist(images=[src], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist1 = hist1.flatten() #256

hist2 = cv2.calcHist(images=[dst3], channels=[0], mask=None, histSize=[256], ranges=[0,256])
hist2 = hist2.flatten() #256

plt.subplot(2,1,1)
plt.title("hist1 : size256")
plt.plot(hist1, c='r')
plt.bar(np.arange(256), hist1, color='blue')

plt.subplot(2,1,2)
plt.title("hist2 : size256_norm_equal")
plt.plot(hist2, c='r')
plt.bar(np.arange(256), hist2, color='skyblue')