获得图像直方图的python代码

在Python中，我们可以使用PIL（Pillow）库来获取图像的直方图。以下是一个简单的示例，展示如何获取并显示一张图片的灰度直方图：

from PIL import Image
import matplotlib.pyplot as plt

# 打开图像文件
img = Image.open('example.jpg')

# 将图像转换为灰度模式
gray_img = img.convert('L')

# 获取图像的像素值，计算直方图
hist = gray_img.histogram()

# 创建直方图
plt.bar(range(256), hist, width=1)  # 假设0-255是灰度范围

# 设置x轴标签为像素值，y轴标签为频率
plt.xlabel('Pixel Intensity')
plt.ylabel('Frequency')

# 显示直方图
plt.show()

在这个例子中，`gray_img.histogram()`会返回一个列表，其中每个元素表示相应灰度级的像素数量。然后我们使用`plt.bar`函数创建直方图，并用matplotlib显示出来。

如果你需要处理彩色图像，可以先将其转换为HSV、RGB或其他颜色空间再提取直方图。

相关问题

图像均衡直方图Python代码

### Python 实现图像直方图均衡化

在 Python 中可以使用 OpenCV 和 NumPy 库来实现直方图均衡化技术。这段代码读取了一张灰度图片并对其应用了直方图均衡化处理，最后将原图和处理后的结果水平拼接保存为新文件。

import cv2 as cv
import numpy as np

img = cv.imread('image.jpg', 0)  # 以灰度模式加载图像
equ = cv.equalizeHist(img)       # 对图像执行直方图均衡化
res = np.hstack((img, equ))      # 将原始图像与均衡化后的图像水平堆叠在一起
cv.imwrite('res.png', res)        # 保存结果图像

通过上述方法能够有效地改善图像的质量，特别是对于那些对比度较低的场景非常有用[^1]。

为了更深入理解这一过程的工作原理，可以通过累积分布函数(CDF)映射每个像素的原始灰度值至新的值，以此完成直方图均衡化操作[^2]。

此外，还可以借助 `matplotlib` 来可视化图像的直方图变化情况：

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

img = cv2.imread(r'path_to_image', 0)

plt.figure(figsize=(8,6))
hist_original = cv2.calcHist([img],[0],None,[256],[0,256])
plt.subplot(221), plt.imshow(img,'gray'), plt.title('Original Image')
plt.subplot(222), plt.plot(hist_original,color = 'b'), plt.xlim([0,256]), plt.title('Histogram of Original')

equalized_img = cv2.equalizeHist(img)
hist_equalized = cv2.calcHist([equalized_img],[0],None,[256],[0,256])

plt.subplot(223), plt.imshow(equalized_img,'gray'), plt.title('Equalized Image')
plt.subplot(224), plt.plot(hist_equalized,color = 'r'), plt.xlim([0,256]), plt.title('Histogram after Equalization')
plt.tight_layout()
plt.show()

此段脚本不仅实现了直方图均衡化功能，还展示了如何绘制原始图像及其对应的直方图以及经过均衡化之后的结果比较图表[^4]。

显示图像的直方图python代码

以下是使用Python和matplotlib库绘制图像直方图的示例代码：

import cv2
import matplotlib.pyplot as plt

# 读取图像
image = cv2.imread('image.jpg', 0)  # 以灰度模式读取图像

# 计算直方图
histogram = cv2.calcHist([image], [0], None, [256], [0, 256])

# 绘制直方图
plt.plot(histogram)

# 添加标题和标签
plt.title("Image Histogram")
plt.xlabel("Pixel Value")
plt.ylabel("Frequency")

# 显示图形
plt.show()

这段代码会读取名为`image.jpg`的图像，并将其转换为灰度模式。然后使用`cv2.calcHist()`函数计算灰度图像的直方图。最后，使用matplotlib库将直方图绘制出来，并添加标题和标签信息。你可以根据需要修改输入图像的文件名以及其他绘图参数来适应你的需求。