直方图的计算

图像直方图是图像中像素强度分布的图形表示。它显示了图像有多少像素具有一定的强度值（颜色或亮度）。

为什么要计算直方图？

直方图允许您分析照明，调整图像的对比度，亮度，突出显示对象，平衡颜色并提高可视化质量。

直方图允许您估计图像的亮暗程度。:

如果像素在左侧"拥挤"（低强度），则图像太暗。

如果像素向右"拥挤"（高强度），则图像过度曝光。

我们连接处理图像所需的软件包

import Pkg
Pkg.add("Images")
Pkg.add("StatsBase")
Pkg.add("Plots")

using Images, StatsBase, Plots

上传图片

path_to_img_1 = "$(@__DIR__)/Cozy_Autumn_Beverage_Moment.jpeg";

Image_1 = load(path_to_img_1)

资料处理

channelview 将图像转换为一个数组，其中每个颜色通道（红色，绿色和蓝色）成为一个单独的图层。

rgb_planes = channelview(Image_1);

接下来，我们将颜色通道分解为单独的变量

blue_channel = rgb_planes[3, :, :]
green_channel = rgb_planes[2, :, :]
red_channel = rgb_planes[1, :, :];

可视化一个单独的通道

red_image = colorview(RGB, red_channel, zeros(size(red_channel)), zeros(size(red_channel)))

直方图的计算

red_channel

2400×1345 Array{N0f8,2} with eltype N0f8:
 0.184  0.192  0.204  0.212  0.224  …  0.102  0.098  0.082  0.071  0.063
 0.188  0.192  0.204  0.212  0.22      0.082  0.075  0.067  0.067  0.067
 0.196  0.2    0.212  0.22   0.22      0.075  0.063  0.067  0.067  0.059
 0.196  0.2    0.208  0.216  0.216     0.067  0.055  0.059  0.059  0.051
 0.192  0.2    0.208  0.212  0.22      0.059  0.055  0.047  0.043  0.051
 0.188  0.196  0.204  0.212  0.216  …  0.055  0.055  0.047  0.043  0.059
 0.188  0.196  0.204  0.212  0.216     0.055  0.051  0.055  0.055  0.059
 0.188  0.192  0.204  0.212  0.212     0.043  0.039  0.047  0.059  0.055
 0.18   0.188  0.196  0.208  0.212     0.051  0.051  0.055  0.055  0.043
 0.184  0.184  0.196  0.204  0.212     0.051  0.055  0.059  0.059  0.043
 0.184  0.188  0.196  0.196  0.204  …  0.059  0.059  0.059  0.059  0.051
 0.188  0.184  0.192  0.196  0.204     0.055  0.055  0.055  0.059  0.055
 0.184  0.188  0.196  0.2    0.208     0.051  0.051  0.051  0.051  0.051
 ⋮                                  ⋱  ⋮                           
 0.098  0.039  0.035  0.098  0.149     0.502  0.486  0.49   0.486  0.486
 0.027  0.043  0.075  0.071  0.09      0.514  0.502  0.498  0.494  0.498
 0.11   0.122  0.169  0.141  0.118  …  0.525  0.518  0.518  0.522  0.506
 0.169  0.098  0.125  0.133  0.122     0.537  0.533  0.537  0.541  0.518
 0.063  0.125  0.114  0.051  0.035     0.549  0.545  0.549  0.537  0.522
 0.157  0.165  0.133  0.059  0.024     0.553  0.553  0.549  0.545  0.549
 0.212  0.125  0.102  0.094  0.09      0.561  0.557  0.553  0.553  0.573
 0.094  0.078  0.133  0.106  0.09   …  0.573  0.561  0.565  0.561  0.576
 0.027  0.067  0.122  0.047  0.075     0.58   0.569  0.576  0.573  0.573
 0.051  0.043  0.098  0.094  0.114     0.584  0.584  0.584  0.588  0.573
 0.039  0.047  0.157  0.196  0.098     0.588  0.592  0.592  0.588  0.569
 0.09   0.082  0.122  0.129  0.059     0.588  0.596  0.596  0.588  0.569

在上面的单元格中，我们看到每个像素的图像红色通道的强度值数组。

首先，我们将强度分解为范围。例如，对于归一化数据
[0,1]，它们被表示
这里，可以使用256个等间隔。然后我们计算有多少像素落入每个范围。

将单元格数量设置为256

histSize = 256;

设置值的范围（从0到1）

hist_range = 0:1/(histSize-1):1;

让我们开始计算直方图。 StatsBase.Histogram 允许您计算直方图

b_hist = fit(Histogram, blue_channel[:], hist_range)
r_hist = fit(Histogram, red_channel[:], hist_range)
g_hist = fit(Histogram, green_channel[:], hist_range);

可视化

我们将计算出的直方图可视化，以便对强度分布进行视觉评估。

plot(r_hist.edges[1][1:end-1], r_hist.weights, color=:red, label="Red Channel")
plot!(b_hist.edges[1][1:end-1], b_hist.weights, color=:blue, label="blue Channel")
plot!(g_hist.edges[1][1:end-1], g_hist.weights, color=:green, label="green Channel")

从上图中可以看到，强度方面的大部分像素位于图的左侧，这表明图像变暗了。

结论

在这个例子中，计算像素强度的直方图来估计图像的亮度。