Python - 计算图像的直方图

Question

我正在自学计算机图像处理的基础知识，同时自学 Python。

给定尺寸为 2048x1354 且具有 3 个 channel 的图像 x，高效地计算像素强度的直方图。

import numpy as np, cv2 as cv

img = cv.imread("image.jpg")
bins = np.zeros(256, np.int32)

for i in range(0, img.shape[0]):
    for j in range(0, img.shape[1]):

        intensity = 0
        for k in range(0, len(img[i][j])):
            intensity += img[i][j][k]

        bins[intensity/3] += 1

print bins

我的问题是这段代码运行得非常慢，大约需要 30 秒。我怎样才能加快速度并变得更 Pythonic？

Answer 1

您可以使用较新的 OpenCV python 接口(interface)，该接口(interface)本身使用 numpy 数组，并使用 matplotlib hist 绘制像素强度的直方图。在我的电脑上用时不到一秒钟。

import matplotlib.pyplot as plt
import cv2

im = cv2.imread('image.jpg')
# calculate mean value from RGB channels and flatten to 1D array
vals = im.mean(axis=2).flatten()
# plot histogram with 255 bins
b, bins, patches = plt.hist(vals, 255)
plt.xlim([0,255])
plt.show()

更新: 上面指定数量的 bin 并不总是提供所需的结果，因为最小值和最大值是根据实际值计算的。此外，值 254 和 255 的计数在最后一个 bin 中求和。这是更新的代码，它总是正确地绘制直方图，条形图以值 0..255 为中心

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

# read image
im = cv2.imread('image.jpg')
# calculate mean value from RGB channels and flatten to 1D array
vals = im.mean(axis=2).flatten()
# calculate histogram
counts, bins = np.histogram(vals, range(257))
# plot histogram centered on values 0..255
plt.bar(bins[:-1] - 0.5, counts, width=1, edgecolor='none')
plt.xlim([-0.5, 255.5])
plt.show()