[OpenCV基礎][Python]數位影像的直方圖分析

直方圖是對圖像中像素強度分布的圖形表示。通過分析直方圖，我們可以獲得有關圖像對比度、亮度和色彩分佈的有用信息。

直方圖的主要概念：

1. 強度值： 表示圖像中每個像素的亮度或顏色值，通常在0到255之間。
2. 頻數： 表示具有特定強度值的像素在圖像中出現的次數。
3. 累積分佈函數（CDF）： 表示某一強度值及其之前所有強度值的頻數之和。

cv2.calcHist 函式參數的詳細介紹

cv2.calcHist([images], [channels], mask, [histSize], [ranges])

1. images：要計算直方圖的影像。它以方括號的形式提供，允許傳入單張或多張影像。
2. channels：指定計算直方圖的通道。以列表形式提供，例如 [0] 表示灰度影像，[0, 1, 2] 表示 RGB 彩色影像中的所有通道。
3. mask：可選的掩碼。如果提供掩碼，則只有掩碼區域內的像素才會參與直方圖的計算。
4. histSize：指定每個通道的 bin 數量，以列表形式提供。例如 [256] 表示每個通道有 256 個 bin。
5. ranges：指定每個通道的像素值範圍，以列表形式提供。對於 8 位影像，通常是 [0, 256]。

函數的返回值是一個表示直方圖的 Numpy 陣列。如果有多張影像，則返回一個多維陣列，其中的維度數量等於通道數量。

程式範例

將輸入三張圖片，分別為正常與曝光不足及過曝的狀況，來更理解直方圖分析的應用。

import cv2
import matplotlib.pyplot as plt

# 讀取灰度影像
image = cv2.imread('111.jpg', cv2.IMREAD_GRAYSCALE)

# 計算直方圖
hist = cv2.calcHist([image], [0], None, [256], [0, 256])

# 繪製直方圖
plt.plot(hist)
plt.title('Image Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.show()

正常圖片

過曝

曝光不足

由三個圖比較結果，我們可以知道曝光不足的時候直方圖數值集中分布在30~70之間，過曝時就會集中在220~250之間。

由上方的程式範例我們可以得知，利用直方圖分析可以更明確來判斷數位影像的拍攝條件，是否過度曝光或曝光不足。

RGB三通道分析

先前函式介紹時，有提到可以指定計算直方圖的通道，也能計算RGB三通道的直方圖分析。

利用enumerate，指定i為索引的數值，就可以遍歷得走過[0, 1, 2] ，其中[0, 1, 2]表示 RGB 彩色影像中的所有通道。

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

img = cv2.imread('111.jpg')

# 畫出 RGB 直方圖
color = ('b','g','r')
for i, col in enumerate(color):
  histr = cv2.calcHist([img],[i],None,[256],[0, 256])
  plt.plot(histr, color = col)
  plt.xlim([0, 256])
plt.show()

RGB

參考資料