没想到图像直方图有这么多应用场景

小白学视觉

共 2518字,需浏览 6分钟

 ·

2021-09-28 02:06

点击上方小白学视觉”,选择加"星标"或“置顶

重磅干货,第一时间送达

本文转自|机器学习算法那些事
引言


之前写过很多图像直方图相关的知识跟OpenCV程序演示,这篇算是把之前的都回顾一波。做好自己的知识梳理。


图像直方图


图像直方图是图像的基本属性之一,也是图像像素数据分布的统计学特征,常见的图像直方图可以分为二值图像的直方图表示如下:

上图a是4x4的二值图像,b是对应的直方图,可以看出X轴表示像素范围(0-黑色、1-白色),Y轴表示像素值出现的频次,即分布。


对灰度图像来说,它的像素值取值范围会扩展到0~255之间,其直方图可以表示如下:

从上面的图中可以发现灰度图像的直方图依然是X轴表示像素值范围、Y轴表示各个像素值出现频次,即像素分布。


彩色图像有红色、绿色、蓝色三个通道,其直方图表示稍微复杂一点,要对每个通道进行直方图计算跟表示,图示如下:

可以看出彩色图像的三个通道各自对应一个直方图分布。


直方图阈值化


OpenCV中支持的两种阈值计算的二值化方法

  • THRESH_OTSU

  • THRESH_TRIANGLE

均是基于图像直方图实现图像二值化分割,其中OTSU阈值分割(大津)对直方图为双峰的灰度图像效果比较好,图示如下:

而三角法对直方图分布单峰的图像分割效果比较好,图示如下下:

直方图均衡化


直方图均衡化是一种通过提升图像对比度实现图像增强的方法,它跟最基础的基于像素差值放缩改变对比度的方法效果更好。图示如下:

从上图中可以看出,最左侧列是输入图像,是低对比度图像,左侧二列为直接改变像素值获得对比度提升图像,左侧三列是通过直方图均衡化完成对比度提升,最右侧一列也是通过直方图均衡化完成,不过是基于局部直方图均衡化。OpenCV中支持两种直方图均衡化方法分别是:

  • 正常的直方图均衡化(全局直方图均衡化)

  • 对比度受限的自适应直方图均衡化(CLAHE-局部自适应直方图均衡化)

特别需要注意的是OpenCV的直方图均衡化函数都只支持单通道八位的图像、对RGB彩色图像来说,要实现直方图均衡化提升对比度必须先转换到HSV色彩空间,然后对亮度通道V进行直方图均衡化之后再转换到RGB色彩空间显示。图示如下:


直方图对比


图像直方图还可以实现图像相似性简单分析与查找,其原理是对两张图像生成的直方图分布数据,进行归一化之后比较,根据数据像素程度,从而判定图像内容的相似程度,该方法可靠性虽然不高,但胜在快捷方便。OpenCV中支持的直方图比较的方法有如下:

相关函数为:

compareHist(InputArray    H1,InputArray    H2,int    method)

参数解释

  • H1表示第一张图的直方图

  • H2表示第二张图的直方图

  • method表示直方图比较的方法,支持卡方、相关性,交叉、巴氏距离

直方图反向投影


图像反向投影的最终目的是获取ROI然后实现对ROI区域的标注、识别、测量等图像处理与分析,是计算机视觉与人工智能的常见方法之一。反向投影通常是彩色图像投影效果会比灰度图像效果要好,原因在于彩色图像带有更多对象细节信息,在反向投影的时候更加容易判断、而转为灰度图像会导致这些细节信息丢失、从而导致分割失败。最常见的是基于图像直方图特征的反向投影,正是因为直方图反向投影有这样能力,所以在经典的MeanShift与CAMeanShift跟踪算法中一直是通过直方图反向投影来实现已知对象物体的定位。

需要注意的是,直方图反向投影是基于颜色的,所以会对RGB彩色图像转换到HSV色彩空间,然后基于H跟S两个通道生成2D直方图数据分布,如下图所示:


其他类型图像直方图与直方图缺陷


除了图像像素分布直方图,还有一些其他类型基于图像梯度跟角度的直方图类型,总结如下:

-图像像素直方图
-图像梯度直方图
-图像角度直方图

后面两种类型的直方图在SIFT跟HOG特征提取的算法中都有应用,但是同时直方图只是数据统计信息,没有包含图像空间信息,所以通过直方图无法正确描述图像的结构化信息。它的缺点图示如下:

上图说明直方图数据完全一致的图像,但是图像的空间结构完全不同,根本没有相似性可言,所以图像直方图信息只是图像的基本属性之一,但是不是图像的唯一特征。同样作为图像的基本属性之一,直方图应用范围非常广泛,是最基础的图像特征向量数据之一,常规的直方图归一化即可得到PDF数据。



好消息,小白学视觉团队的知识星球开通啦,为了感谢大家的支持与厚爱,团队决定将价值149元的知识星球现时免费加入。各位小伙伴们要抓住机会哦!


下载1:OpenCV-Contrib扩展模块中文版教程
在「小白学视觉」公众号后台回复:扩展模块中文教程即可下载全网第一份OpenCV扩展模块教程中文版,涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。

下载2:Python视觉实战项目52讲
小白学视觉公众号后台回复:Python视觉实战项目即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目,助力快速学校计算机视觉。

下载3:OpenCV实战项目20讲
小白学视觉公众号后台回复:OpenCV实战项目20讲即可下载含有20个基于OpenCV实现20个实战项目,实现OpenCV学习进阶。

交流群


欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告,否则会请出群,谢谢理解~


浏览 73
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报