Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天（python opencv直方图均衡）

25-04-26 1

如果您想了解PythonOpenCV图像处理之直方图的应用，取经之旅第24天和pythonopencv直方图均衡的知识，那么本篇文章将是您的不二之选。我们将深入剖析PythonOpenCV图像处理之直

如果您想了解Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天和python opencv直方图均衡的知识，那么本篇文章将是您的不二之选。我们将深入剖析Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天的各个方面，并为您解答python opencv直方图均衡的疑在这篇文章中，我们将为您介绍Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天的相关知识，同时也会详细的解释python opencv直方图均衡的运用方法，并给出实际的案例分析，希望能帮助到您！

本文目录一览：

Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天（python opencv直方图均衡）
36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录
AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)
cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:
OpenCV - Windows（win10）编译 opencv + opencv_contrib

Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天（python opencv直方图均衡）

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。

Python OpenCV

- 基础知识铺垫
- cv2.compareHist 函数
- 橡皮擦的小节

基础知识铺垫

上篇博客 Python OpenCV 图像处理之图像直方图，取经之旅第 23 天中，我们重点学习了直方图的绘制方法与应用，本篇博客继续对直方图进行分析。

本篇博客咱们首先学习一下，如何用直方图去比较两幅图片的相似性。

通过 cv2.compareHist 函数计算图片的相似度，在今天的学习中，橡皮擦并没有 get 到一个特别好的场景，故本部分从语法角度进行学习。

cv2.compareHist 函数

该函数原型如下：

cv2.compareHist(H1, H2, method)

参数说明如下：

H1，H2：要比较图像的直方图；
method：比较方式

其中比较方式涉及如下几种枚举值。

cv2.HISTCMP_CORREL：相关性比较，值越大，相关度越高，最大值为 1，最小值为 0；
cv2.HISTCMP_CHISQR：卡方比较，值越小，相关度越高，最大值无上界，最小值 0；
cv2.HISTCMP_BHATTACHARYYA：巴氏距离比较，值越小，相关度越高，最大值为 1，最小值为 0；
cv2.HISTCMP_INTERSECT：十字交叉，值越大越相似。

先比较灰度图的，运行下述代码即可。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


def create_gray_hist(image):
    # 创建一个灰度直方图
    img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    hist = cv.calcHist([img], [0], None, [256],  [0, 256])
    return hist


def hist_compare(image1, image2):

    # 第一幅图的灰度图直方图
    hist1 = create_gray_hist(image1)
    # 第二幅图的灰度图直方图
    hist2 = create_gray_hist(image2)
    # 进行三种方式的直方图比较
    match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
    match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
    match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
    match4 = cv.compareHist(hist1, hist2, cv.HISTCMP_INTERSECT)
    print("巴氏距离：%s, 相关性：%s, 卡方：%s, 十字交叉：%s" % (match1, match2, match3, match4))


src1 = cv.imread("./black.jpg")
cv.imshow("diff1", src1)
src2 = cv.imread("./yellow.jpg")
cv.imshow("diff2", src2)

plt.subplot(1, 2, 1)
plt.title("diff1")
plt.plot(create_gray_hist(src1))
plt.subplot(1, 2, 2)
plt.title("diff2")
plt.plot(create_gray_hist(src2))

hist_compare(src1, src2)
plt.show()
while True:
    k = cv.waitKey(0) & 0xFF
    if k == 27:
        break
cv.destroyAllWindows()

结果如下图所示，这里我找的是两个相似的图片（从找不同游戏里面找到的）。
Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天
得到的结果如下：

巴氏距离：0.0501735845451386, 相关性：0.9855477082033252, 卡方：3887.8752812639, 十字交叉：166493.0

由于两张图非常相似，得到的结果也符合刚才的说明。

巴氏距离：0.0501735845451386 >>> 值越小，相关度越高，最大值为 1，最小值为 0；
相关性：0.9855477082033252 >>> 值越大，相关度越高，最大值为 1，最小值为 0；
卡方：3887.8752812639 >>> 值越小，相关度越高，最大值无上界，最小值 0；（不过看起来，这个好像用处不大）
十字交叉：166493.0 >>> 十字交叉，值越大越相似。

切换成不同的两张图片，可以看一下运行结果，首先看灰度直方图。

Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天
在看得到的各个值：

巴氏距离：0.28273836677812036, 相关性：0.4615912771396342, 卡方：186501.9955618743, 十字交叉：126877.0

接下来，我们比较一下彩色图的直方图，这部分我也在网上看到了一个算法，但是由于代码实在没看太懂，直接忽略掉了。以下代码转载自网络，建议本阶段，看一下就好，不要钻牛角尖。

代码来源：网络。

def create_rgb_hist(image):
	""""创建 RGB 三通道直方图（直方图矩阵）"""
    h, w, c = image.shape
    # 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵
    # 16*16*16的意思为三通道每通道有16个bins
    rgbhist = np.zeros([16 * 16 * 16, 1], np.float32)
    bsize = 256 / 16
    for row in range(h):
        for col in range(w):
            b = image[row, col, 0]
            g = image[row, col, 1]
            r = image[row, col, 2]
            # 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建
            index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
           	# 该处形成的矩阵即为直方图矩阵
            rgbhist[int(index), 0] += 1
    plt.ylim([0, 10000])
    plt.grid(color=''r'', linestyle=''--'', linewidth=0.5, alpha=0.3)
    return rgbhist

不过，除了灰度直方图，咱们用已有的知识可以比较不同通道的直方图。

具体代码修改部分如下：

def create_gray_hist(image):
    # 创建一个灰度直方图
    # img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    hist = cv.calcHist([image], [1], None, [256],  [0, 256])
    return hist

关于上文提及的 巴氏距离，卡方 都属于统计学知识，暂时按下不表。

橡皮擦的小节

希望今天的一个小时，你有所收获，我们下篇博客见～

进阶版笔记

项目
opencv 进阶学习笔记 1：调用摄像头用法大全（打开摄像头，打开摄像头并实时不断截屏，读取视频并截图）
opencv 进阶学习笔记 2：numpy 操作图像，色彩空间，查找指定颜色范围，通道分离与合并
opencv 进阶学习笔记 3：像素运算和图像亮度对比度调节
opencv 进阶学习笔记 4：ROI 和泛洪扩充
opencv 进阶学习笔记 5：图像模糊操作，图像锐化，边缘保留滤波 EPF（图像滤镜）
opencv 进阶学习笔记 6：使用鼠标在图像上绘制矩形框或者多边形框
opencv 进阶学习笔记 7：直方图，直方图均衡化，直方图比较，直方图反向投影
opencv 进阶学习笔记 8：模板匹配
opencv 进阶学习 9：图像阈值大全，图像二值化，超大图像二值化
opencv 进阶学习笔记 10：图像金字塔和图像梯度
opencv 进阶学习笔记 11：cannny 边缘检测，直线检测，圆检测
opencv 进阶学习笔记 12：轮廓发现和对象测量
opencv 进阶学习笔记 13：图像形态学操作大全（膨胀，腐蚀，开闭，黑帽，顶帽，梯度）python 版
opencv 进阶学习笔记 14：分水岭算法实现图像分割

OpenCV 告一段落，接下来，该实战啦。
计算机视觉三大任务，分类，监测，分割。
意见其他一些任务…
图像生成，OCR…

电气专业的计算机萌新，写博文不容易，如果你觉得本文对你有用，请点个赞支持下，谢谢。

AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

如何解决AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)

我决定尝试 Ar 是什么，但遇到了以下问题：

File "C:/Users/Егор/PycharmProjects/ARfotoandvideo/AR.py",line 25,in <module>
macthes = bf.knnMatch(des1,des2,k=2)
cv2.error: OpenCV(4.5.1) C:\\Users\\appveyor\\AppData\\Local\\Temp\\1\\pip-req-build-0ycehs0d\\opencv\\modules\\core\\src\\batch_distance.cpp:275: error: (-215:Assertion Failed) type == src2.type() && src1.cols == src2.cols && (type == CV_32F || type == CV_8U) in function ''cv::batchdistance''

堆栈：

Windows 8.1 一种语言
Python 3.7.7
Pycharm 社区 2018.3.7
Opencv-python 4.5.1.48
网络摄像头 - 在笔记本电脑上，我无法通过 wifi 连接通过 Droidcam 应用程序使用小米手机 Redmy 的摄像头。

信息

我将尝试描述之前发生的错误以及我是如何解决它们的 - 也许这会告诉您需要做什么来解决问题。

在程序执行期间，在从网络摄像头接收图像时发生崩溃 - 正如它本身所表现的那样，当程序启动时，来自网络摄像头的图像提供单色背景（在我的情况下，绿松石），当我通过点击X强行关闭所有窗口后，窗口中的数据被刷新并获得正确的图像。 cv2.waitKey (100) 部分解决了这个问题，其中更改 100 的值会导致来自网络摄像头的图像出现，!!!!但！！！因为有失败，所以没有确定性。

尝试将 cv2.error 中所有可能的错误原因联系起来后，我得出的结论是问题出在 1 和 2 图像上的描述符中。我想指出的是，当网络摄像头相对于图像移动（不是缩放，而是前后移动）时，在 30 种情况下的 1-2 种情况下，它有助于启动程序并正常工作而不会崩溃。>

我的代码

import cv2
import numpy as np
cap = cv2.VideoCapture(1,cv2.CAP_DSHOW)
imgTarget = cv2.imread(''foto.jpg'')
myVid = cv2.VideoCapture(''video.mp4'')
success,imgVideo = myVid.read()
hT,wT,cT = imgTarget.shape
imgVideo = cv2.resize(imgVideo,(wT + 400,hT))
orb = cv2.ORB_create(nfeatures=10)
kp1,des1 = orb.detectAndCompute(imgTarget,None)
imgTarget = cv2.drawKeypoints(imgTarget,kp1,None)
while True:
    success,imgWebcam = cap.read()
    kp2,des2 = orb.detectAndCompute(imgWebcam,None)
    imgWebcam = cv2.drawKeypoints(imgWebcam,kp2,None)
    # imgWebcam = cv2.resize(imgWebcam,(wT,hT))
    bf = cv2.BFMatcher()
    macthes = bf.knnMatch(des1,k=2)
    good = []
    for m,n in macthes:
        if m.distance < 0.75 * n.distance:
            good.append(m)
    print(len(good))
    imgFeatures = cv2.drawMatches(imgTarget,imgWebcam,good,None,flags=2)
    if len(good) > 20:
        srcPts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1,1,2)
        dstPts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1,2)
        matrix,mask = cv2.findHomography(srcPts,dstPts,cv2.RANSAC,5)
        print(matrix)
        pts = np.float32([[0,0],[0,wT],[wT,hT],0]]).reshape(-1,2)
        dst = cv2.perspectiveTransform(pts,matrix)
        img2 = cv2.polylines(imgWebcam,[np.int32(dst)],True,(255,255),3)
    cv2.imshow(''img2'',img2)
    cv2.imshow(''imgFeatures'',imgFeatures)
    cv2.imshow(''imgTarget'',imgTarget)
    cv2.imshow(''myVid'',imgVideo)
    cv2.imshow(''imgWebcam'',imgWebcam)
    cv2.waitKey(100)

cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:

image1=Image.fromarray(cv2.cvtColor(image01,cv2.COLOR_BGR2RGB))
cv2.error: OpenCV(4.1.2) /io/opencv/modules/imgproc/src/color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function ''cvtColor''

这个错误纠结了一周，网上找遍了答案，加上自己根据他们错误找，大多数都是图片路径，或者图片本身的错误

我自己的错误是 xml 转 json 文件出错，在看完一周重新分割数据以及转 json，终于可以运行。

这类错误大多数是图片路径读取有问题，大家可以先去找图片路径拼接那块是不是出现 None，可以适当打印出路径来调试，当然出现这种错误，最先看看，自己对图片的处理是不是正确的，基本上跑源码，除了个别修改配置文件，其他没问图，所以最讨厌的问题得抓最核心的地方，毕竟时间宝贵！！！

OpenCV - Windows（win10）编译 opencv + opencv_contrib

　　在之前的几篇文章中，我提到了在 Android、Linux 中编译 opencv + opencv_contrib，这篇文章主要讲在 Windows 中编译 opencv + opencv_contrib。

首先需要准备的环境有：

Window 10 64 位：这个大家都知道，就不多说了啊；
Cmake：编译工具，可以 https://cmake.org/download/ 下载安装，当前的最新版本为 3.10.1；
Visual Studio：开发工具，编译的时候也需要用到，我安装的是 Visual Studio 2015。
OpenCV Windows 包，下载地址：https://opencv.org/releases.html；
OpenCV_Contrib 包，下载地址：https://github.com/opencv/opencv_contrib（注意版本对应）。

　　将下载得到的 OpenCV Windows 包解压，目录为 opencv，然后将下载的 OpenCV_Contrib 包解压放入 opencv 目录下，新建 new_build 文件夹（用来放编译之后结果）：

使用 cmake 生成 OpenCV.sln：

　　打开安装之后的 cmake，在 where is the source code 中选择 openCV 的源代码目录：F:\opencv\sources；在 where to build the binaries 中选择编译为 Visual Studio 项目的目录：F:\opencv\new_build（这里我选择刚刚特地建立的 new_build 目录），如下图所示：

　　点击 Configure 按钮后，弹出对话框，选择编译器，根据本地计算机的 CPU 架构，这里特别要注意的是，自己机器上是否装有相应的 VS 版本，如果没有装，还是要编译就会出错，可能是找不到对应的工具原因，以及选择 X86 和 X64），这里用的是 VS 2015。

　　设置完成之后点击 “Generate” 开始生成工程，. 第一次编译完成之后，我们需要将额外的 opencv_contrib 加到工程中进行第二次编译，在配置表中找到 “OPENCV_EXTRA_MODULES_PATH”, 设置其参数值为 open_contrib 源码包中的 modles 目录，我的目录是 “F:\opencv\opencv_contrib\modules”：

　　再次点击 “Generate” 进行第二次编译：

　　这时候我们已经可以看见用 cmake 工具编译得到的 OpenCV.sln：

用 VS 打开 OpenCV.sln 工程，编译生成 Debug 和 Release 库：

　　用 VS 2015 打开 OpenCV.sln 工程，在解决方案中可以查看工程目录：

　　编译生成 debug 版本的库，记得在此之前要选择编译的平台信息，这就是编译生成 debug 版本和 release 版本的区别，也可以选择 release，因为自己的工程可能要用到相应的动态链接库：

　　在解决方案中选中工程，右键选择重新生成解决方案：

　　编译成功：

　　. 找到 CMakeTargets 中的 INSTALL，然后右键选择 “仅限于项目”-->“仅生成 INSTALL”：

　　完成编译后，Release 模式下同理。此时，有了 install 目录。该目录包含了我们需要的头文件、库文件。

把新的库文件配置到到项目中：

　　　　E:\OpenCV320\opencv\new_build\install\include

　　　　E:\OpenCV320\opencv\new_build\install\x64\vc14\lib

　　链接器 --> 输入 --> 附加依赖项，添加： (注意添加的库与编译选项要一致，需要注意 debug 比 release 的文件名多了个 d)

　　　　opencv_aruco320.lib

　　　　opencv_aruco320d.lib

　　　　opencv_bgsegm320.lib
　　　　opencv_bgsegm320d.lib
　　　　opencv_bioinspired320.lib
　　　　opencv_bioinspired320d.lib
　　　　opencv_calib3d320.lib
　　　　opencv_calib3d320d.lib
　　　　opencv_ccalib320.lib
　　　　opencv_ccalib320d.lib
　　　　opencv_core320.lib
　　　　opencv_core320d.lib
　　　　opencv_datasets320.lib
　　　　opencv_datasets320d.lib
　　　　opencv_dnn320.lib
　　　　opencv_dnn320d.lib
　　　　opencv_dpm320.lib
　　　　opencv_dpm320d.lib
　　　　opencv_face320.lib
　　　　opencv_face320d.lib
　　　　opencv_features2d320.lib
　　　　opencv_features2d320d.lib
　　　　opencv_flann320.lib
　　　　opencv_flann320d.lib
　　　　opencv_fuzzy320.lib
　　　　opencv_fuzzy320d.lib
　　　　opencv_highgui320.lib
　　　　opencv_highgui320d.lib
　　　　opencv_imgcodecs320.lib
　　　　opencv_imgcodecs320d.lib
　　　　opencv_line_descriptor320.lib
　　　　opencv_line_descriptor320d.lib
　　　　opencv_ml320.lib
　　　　opencv_ml320d.lib
　　　　opencv_objdetect320.lib
　　　　opencv_objdetect320d.lib
　　　　opencv_optflow320.lib
　　　　opencv_optflow320d.lib
　　　　opencv_phase_unwrapping320.lib
　　　　opencv_phase_unwrapping320d.lib
　　　　opencv_photo320.lib
　　　　opencv_photo320d.lib
　　　　opencv_plot320.lib
　　　　opencv_plot320d.lib
　　　　opencv_reg320.lib
　　　　opencv_reg320d.lib
　　　　opencv_rgbd320.lib
　　　　opencv_rgbd320d.lib
　　　　opencv_saliency320.lib
　　　　opencv_saliency320d.lib
　　　　opencv_shape320.lib
　　　　opencv_shape320d.lib
　　　　opencv_stereo320.lib
　　　　opencv_stereo320d.lib
　　　　opencv_stitching320.lib
　　　　opencv_stitching320d.lib
　　　　opencv_structured_light320.lib
　　　　opencv_structured_light320d.lib
　　　　opencv_superres320.lib
　　　　opencv_superres320d.lib
　　　　opencv_surface_matching320.lib
　　　　opencv_surface_matching320d.lib
　　　　opencv_text320.lib
　　　　opencv_text320d.lib
　　　　opencv_tracking320.lib
　　　　opencv_tracking320d.lib
　　　　opencv_video320.lib
　　　　opencv_video320d.lib
　　　　opencv_videoio320.lib
　　　　opencv_videoio320d.lib
　　　　opencv_videostab320.lib
　　　　opencv_videostab320d.lib
　　　　opencv_xfeatures2d320.lib
　　　　opencv_xfeatures2d320d.lib
　　　　opencv_ximgproc320.lib
　　　　opencv_ximgproc320d.lib
　　　　opencv_xobjdetect320.lib
　　　　opencv_xobjdetect320d.lib
　　　　opencv_xphoto320.lib
　　　　opencv_xphoto320d.lib
　　　　kernel32.lib
　　　　user32.lib
　　　　gdi32.lib
　　　　winspool.lib
　　　　comdlg32.lib
　　　　advapi32.lib
　　　　shell32.lib
　　　　ole32.lib
　　　　oleaut32.lib
　　　　uuid.lib
　　　　odbc32.lib
　　　　odbccp32.lib

　　这样，我们就可以在 VS 中使用 OpenCV 了。

　　需要提到的一个点，所需要使用 Sift 等算法，需要引入 xfeatures2d 命名空间：

using namespace xfeatures2d;

今天关于Python OpenCV 图像处理之直方图的应用，取经之旅第 24 天和python opencv直方图均衡的分享就到这里，希望大家有所收获，若想了解更多关于36 篇博文带你学完 opencv :python+opencv 进阶版学习笔记目录、AR opencv-python | cv2.error: OpenCV(4.5.1) batch_distance.cpp:275: error: (-215:Assertion failed)、cv2.error: OpenCV(4.2.0) /io/opencv/modules/imgproc/src/color.cpp:182: error:、OpenCV - Windows（win10）编译 opencv + opencv_contrib等相关知识，可以在本站进行查询。

本文标签：