这篇文章主要介绍了Python数字图像处理基础直方图的示例分析,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
只统计某个灰度级出现的次数,图像的大小不一样的话, 某灰度值的像素出现的次数是不一样的。
那如果我们在这基础上除以像素总个数的话,那就是某一灰度级出现的概率,那么这样的话不同大小的同一内容图像其灰度直方图是一样的。
import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('cameraman.tif',0) img = img.flatten() img = img.tolist() myhist = [] for i in range(0,256): myhist.append(img.count(i)) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来显示中文标签 # plt.rcParams['figure.dpi'] = 100 # 每英寸点数 plt.figure() plt.bar(x=range(0,256),height=myhist,width=0.5) plt.title('直方图') plt.xlabel("灰度值") plt.ylabel("像素个数") plt.show()
运行结果图:
plt.rcParams参数设置:
import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] # 用来显示中文标签 plt.rcParams['axes.unicode_minus']=False # 用来显示负号 plt.rcParams['figure.figsize'] = (16.0, 10.0) # 调整生成的图表最大尺寸 plt.rcParams['figure.dpi'] = 300 # 每英寸点数 调用plt.rcParams.keys()可获取rcParams的全部参数以及默认值。 例如: 'figure.dpi': 100.0 每英寸点数 'figure.figsize': [6.0, 4.0] 生成的图表最大尺寸 'font.size': 10.0 字体大小 'hist.bins': 10 直方图分箱个数 'lines.linewidth': 1.5 线宽 'lines.marker': 'None' 标记样式 'savefig.format': 'png' 保存图片的格式 'savefig.jpeg_quality': 95 图片质量 'text.color': 'black' 文本颜色 'timezone': 'UTC' 时区格式
感谢你能够认真阅读完这篇文章,希望小编分享的“Python数字图像处理基础直方图的示例分析”这篇文章对大家有帮助,同时也希望大家多多支持亿速云,关注亿速云行业资讯频道,更多相关知识等着你来学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。