opencv python 통계 및 직사 도 그리 기 방법
통계 직사 도 데이터
우선 함수 와 관련 된 용 어 를 조금 이해 하고 python 3 라 이브 러 리 에서 의 응용 과 처 리 를 이해 해 야 합 니 다.
BINS:위의 직사 도 에서 픽 셀 값 이 0 에서 255 이면 256 개의 값 으로 직사 도 를 표시 해 야 합 니 다.그러나 각 픽 셀 값 의 픽 셀 수 를 알 필요 가 없다 면 두 픽 셀 값 사이 의 픽 셀 수 만 알 고 싶다 면 어떻게 합 니까?예 를 들 어 픽 셀 값 이 0 에서 15 사이 의 픽 셀 점 수 를 알 고 싶 습 니 다.그 다음 에 16 에서 31...240 에서 255.256 개의 값 을 16 부 로 나 누 어 각각 계산 을 종합 할 수 있다.각 조 가 나 뉘 어 진 그룹 은 하나의 BIN 이다.opencv 에서 histSize 를 사용 하여 BINS 를 표시 합 니 다.
DIMS:데이터 의 매개 변수 수 입 니 다.현재 예 에서 수 집 된 데 이 터 는 그 레이스 케 일 값 만 고려 하기 때문에 이 값 은 1 입 니 다.
RANGE:그 레이스 케 일 범위,보통[0,256],즉 그 레이스 케 일 모든 수치 범위 입 니 다.
통계 직사 도 역시 두 가지 방법 이 있 는데 opencv 통계 직사 도 를 사용 하면 함 수 는 다음 과 같다.
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
이 함수 의 매개 변 수 는 상기 용 어 를 이해 하고 자신의 바 이 두 를 더 한 후에 간단하게 응용 할 수 있다.numpy 통계 함 수 를 사용 하여 주요 응용
numpy.histogram()
함수(그리고np.bincount()
를 사용 합 니 다.아직 시도 하지 않 았 습 니 다.독 자 는 스스로 시도 할 수 있 고 대체적으로 사용 방법 이 같 습 니 다)
hist,bins = np.histogram(img.ravel(),256,[0,256])
opencv 처리 속 도 는 numpy 보다 좋 으 며,동시에 opencv 를 공부 하 는 학생 들 에 게 cv 의 처리 방법 을 많이 활용 하 는 것 은 학습 에 더욱 유리 하 다.직사 도 를 그리다
직사 도 를 그 리 려 면 보통 Matplotlib 로 그립 니 다.여기 서 matplotlib 의
matplotlib.pyplot.hist()
함 수 를 제시 해 야 합 니 다.이 함 수 는 중국 측 도 를 직접 통계 적 으로 그 릴 수 있 습 니 다.통계 함 수 는calcHist()
또는np.histogram()
이다.이것 은 처리 의 견본 이다.
다음은 코드 구현 입 니 다.
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('/home/yc/Pictures/cat.jpg',0)
plt.hist(img.ravel(),256,[0,256]);
plt.show()
효과.그 레이스 케 일 직사 도
물론 색채 이미지 검색 과 같은 용법 을 사용 할 때 우리 에 게 필요 한 것 은 BGR 직사 도 이 고 원리 가 유사 하 며 통계 할 때 사용 하 는 것
cv2.calcHist()
이다.함수.
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('/home/yc/Pictures/cat.jpg',1)
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()
효 과 는 다음 과 같다.BGR 직사 도
그 밖 에 원시 적 인 그 레이스 케 일 직사 도 를 계산 하 는 방법 도 소개 합 니 다.
import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
def main():
img=cv2.imread('/home/yc/Pictures/cat.jpg',0)
#
xy=xygray(img)
#
x_range=range(256)
plt.plot(x_range,xy,"r",linewidth=2,c='black')
#
y_maxValue=np.max(xy)
plt.axis([0,255,0,y_maxValue])
#
plt.xlabel('gray Level')
plt.ylabel("number of pixels")
plt.show()
def xygray(img):
#
rows,cols=img.shape
#
xy=np.zeros([256],np.uint64)
for r in range(rows):
for c in range(cols):
xy[img[r][c]] += 1
# ndarry
return xy
main()
효 과 는 다음 과 같다.그 레이스 케 일 직사 도
이상 은 본 고의 모든 내용 입 니 다.opencv 를 함께 공부 하 는 친구 들 과 함께 격려 하고 여러분 의 학습 에 도움 이 되 기 를 바 랍 니 다.여러분 들 도 저 희 를 많이 응원 해 주 셨 으 면 좋 겠 습 니 다.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
ip camera android에 액세스하고 java를 사용하여 모니터에 표시그런 다음 PC에서 다운로드 폴더를 추출해야 합니다 그런 다음 프로젝트 폴더에 다운로드한 javacv 라이브러리를 추가해야 합니다. 먼저 라이브러리 폴더를 마우스 오른쪽 버튼으로 클릭한 다음 jar/폴더 추가를 선택...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.