본문으로 건너뛰기

OpenCV Histogram

Ref: https://docs.opencv.org/master/

영상 히스토그램​

영상 히스토그램은 X 축 - 픽셀 값, Y 축 - 픽셀 수로 만든 그래프입니다.

히스토그램을 보면 동일한 픽셀 값을 갖는 픽셀이 몇개나 존재하는지 확인할 수 있고, 픽셀 값이 골고루 분포되어있는지 또는 집중되어있는지 확인할 수 있습니다.

hist = cv.calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=False)
  • @param images: list [img1,] 각 이미지의 (가로, 세로) 크기가 동일해야함
  • @param channels: list [ch1,] 누적 채널 번호, 0 부터 시작됨
  • @param mask: np.ndarray
    • None인 경우 이미지 전체 분석
    • mask = np.zeros(img.shape[:2], dtype=np.uint8)
    • mask[x:x+w, y:y+h] = 255
  • @param histSize: list [x축,] 픽셀 값 단계
    • np.uint8 을 사용하는 이미지의 256//8 로 설정하면 07, 815, ... 이렇게 묶어서 256//8 단계로 계산됨
  • @param ranges: list [min1, max1,] 분석 범위, np.uint8 을 사용하는 이미지의 경우 최대 분석 범위 [0,256]
  • @param accumulate: bool True로 설정하고 여러 이미지를 분석하면 하나의 히스토그램에 데이터가 누적됨
위험

이미지를 여러개 분석하는 경우 입력한 모든 이미지가 하나의 배열이 됩니다. 예를 들어 3 채널 이미지 2 개를 설정하면 크기가 (가로, 세로, 6)로 인식한다고 생각하시면 됩니다.

이미지 1 의 1 번 채널과 이미지 2 의 1 번 채널을 선택하려면 [0, 3+0]을 channels로 설정하면 됩니다.

hist = cv.calcHist([img], [0, 1], None, [256, 256], [0, 256, 0, 256]) 의 결과는 각 채널별 히스토그램이 아닙니다. 결과는 (256, 256)인 배열입니다. x축 1 번 채널, y축 2 번 채널, z축 픽셀 수로 구성된 3차원 히스토그램을 그릴 수 있습니다.

import cv2 as cv
from matplotlib import pyplot as plt

bgr = cv.imread('image.png')
hist1 = cv.calcHist([bgr], [0], None, [256], [0, 256])
hist2 = cv.calcHist([bgr], [1], None, [256], [0, 256])
hist3 = cv.calcHist([bgr], [2], None, [256], [0, 256])

rgb = cv.cvtColor(bgr, cv.COLOR_BGR2RGB)
plt.subplot(1, 2, 1)
plt.imshow(rgb)
plt.subplot(1, 2, 2)
plt.plot(hist1, 'b')
plt.plot(hist2, 'g')
plt.plot(hist3, 'r')
plt.show()

이치화​

cv.threshold​

retval, dst = cv.threshold(src, thresh, maxval, type, dst=None)
  • @param src: np.ndarray 1 채널 이미지, 주로 grayscale
  • @param thresh: float 역치
  • @param maxval: float 역치를 넘으면 적용할 값
  • @param type
    • cv.THRESH_BINARY, thresh를 넘으면 백(maxval), 아니면 흑(0)
    • cv.THRESH_BINARY_INV
    • cv.THRESH_TRUNC, thresh를 넘으면 백(thresh), 나머지 그대로
    • cv.THRESH_TOZERO, thresh를 못 넘으면 흑(0), 나머지 그대로
    • cv.THRESH_TOZERO_INV
    • cv.THRESH_OTSU, Otsu 알고리즘으로 thresh 결정
    • cv.THRESH_TRIANGLE, Triangle 알고리즘으로 thresh 결정
  • @return retval cv.THRESH_OTSU 또는 cv.THRESH_TRIANGLE을 사용했을 때, 적용된 역치 값
import cv2 as cv
from matplotlib import pyplot as plt

gray = cv.imread('image.png', cv.IMREAD_GRAYSCALE)
retval, thresh = cv.threshold(gray, 0, 255, cv.THRESH_BINARY + cv.THRESH_OTSU)

plt.subplot(1, 2, 1)
plt.imshow(gray, 'gray')
plt.subplot(1, 2, 2)
plt.imshow(thresh, 'gray')
plt.show()

cv.adaptiveThreshold​

dst = cv.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C, dst=None)
  • @param src: np.ndarray grayscale
  • @param maxValue: float 역치를 넘으면 적용할 값
  • @param adaptiveMethod
    • cv.ADAPTIVE_THRESH_MEAN_C
    • cv.ADAPTIVE_THRESH_GAUSSIAN_C
  • @param thresholdType
    • cv.THRESH_BINARY, thresh를 넘으면 백(maxValue), 아니면 흑(0)
    • cv.THRESH_BINARY_INV
  • @param blockSize: int 역치를 구할 때 사용할 kernel의 가로 또는 세로 길이, 3 이상 홀수
  • @param C: int 연산에 필요한 상수, 일반적으로 양수
import cv2 as cv
from matplotlib import pyplot as plt

gray = cv.imread('image.jpg', cv.IMREAD_GRAYSCALE)
thresh = cv.adaptiveThreshold(gray, 255, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY, 45, 2)

plt.subplot(2, 1, 1)
plt.imshow(gray, 'gray')
plt.subplot(2, 1, 2)
plt.imshow(thresh, 'gray')
plt.show()

평활화​

dst = cv.equalizeHist(src, dst=None)
class cv.createCLAHE(clipLimit=40.0, tileGridSize=(8, 8))
dst = cv.CLAHE.apply(src, dst=None)