Histogramlar

Histogramlar¶

Histogramlar - 1: Find, Plot, Analyze¶

\( Histograms - 1 : Find, Plot, Analyze \)

Hedefler¶

• OpenCVve Numpy fonksiyonlarını kullanarak histogramları bulma.
• OpenCVve Numpy fonksiyonlarını kullanarak histogramları çizme
• Bu fonksiyonları göreceksiniz : cv2.calcHist(), np.histogram() vs.

Teori¶

Histogram nedir ? Bir görüntünün yoğunluk dağılımını veren, grafik veya çizim olarak düşünebilirsiniz, Bu çizim 0 dan 255 pixel aralığında bulunan \( her zaman değil \) x ekseni içindeki ve

Bu sadece görselleri anlamamızı sağlayan başka bir yoldur. Bir görselin histogramı incelendiğinde

bu görüntünün kontrast, parlaklık, yoğunluk dağılımı vb. ile ilgili bir önsezi alırsınız. Günümüzde neredeyse bütün görsel işleme araçlarında histogram özellikleri sağlanmaktadır.

Aşağıda Cambridge color websitesinden bir görsel var ve daha fazla bilgi için siteyi ziyaret etmenizi tavsiye ederim.

Görseli ve onun histogramını görebilirsiniz \( hatırlayın histgoram **grayscale** görsel, renk olmandan çizilir \).

Görselde histogramın sol bölgesinde daha koyu pikseller görünür ve sağ bölgesinde ise daha parlak pikseller görünür.

Histogramdan, daha koyu alanları aydınlık alanlardan daha fazla olduğunu görebilirsiniz, ve orta tonların miktarı \(orta aralıktaki piksel değerleri, örneğin 127 civarında\) çok daha azdır.

Histogramları Bulmak¶

Şimdi histogramın ne olduğu öğrendik ve histogramın nasıl bulacağınıza öğrenmeye geçebiliriz. Hem OpenCV hem de Numpy kütüphanelerini kullanarak bunu yapacağız.

1. OpenCV ile Histogram Hesaplama¶

Şimdi cv.calcHist() fonksiyonunu kullanarak histogram bulacağız.

cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

• images \( görseller \) : Bu uint8 or float32 tipli \( formatlı \) kaynak görüntüdür, köşeli parantez içinde, yani “[img]” şeklinde verilmelidir.
• channels \( kanallar \): Ayrıca köşeli parantez içinde verilmiştir. Histogramı hesapladığımız kanalın indeksidir. Örneğin, verilen görsel gri tonlamalı resim ise değeri [0] dır. Renkli görsel için, mavi, yeşil veya kırmızı kanalının histogramını hesaplamak için [0],[1] veya [2] ‘i pas \(pass \) geçebilirsiniz.
• mask \( maske \) : maske görseli. Bütün görselin histogramını bulmak için None olarak verilir.
• histSize: BIN sayısını temsil eder. Köşeli ayraçlar halinde verilmelidir. Tam ölçek için, [256] verilir.
• ranges \( aralık \): bu bizim aralığımızdır. Normalde [0,256].

evet kolay bir örnek ile başlayalım. Basit gri modda bir resim yükleyelim ve bütün histogramlarını bulalım.

img = cv.imread('home.jpg',0)
hist = cv.calcHist([img],[0],None,[256],[0,256])

hist 256x1 boyutlu bir dizidir, her değer ilgili piksel değere sahip o görüntünün piksel sayısına karşılık gelir.

2. Numpy ile Histogram Hesaplama¶

Numpy ayrıca bu fonksiyonu sağlar np.histogram(). yani calcHist() fonksiyonu yerine aşağıdaki kodu kullanabilirsiniz.

hist,bins = np.histogram(img.ravel(),256,[0,256])

hits daha önce hesapladığımız değeri ile aynıdır. Fakat bins \( kutu \#bilmiyorum \) 257 element \( öğe \) alır, çünkü Numpy 0-0.99, 1-1.99, 2-2.99 vb bins değerleri hesaplar. Son aralık 255-255.99 olurdu.

Bunu temsil etmek için, bins 256 eklenir. Fakat bizim buna 256’ya ihtiyacımız yoktur. maksimum \( upto\) 255 değeri yeterlidir.

Ayrıca:

Numpy’de bulunan np.histogram() dan daha hızlı olan \(10X katı \) diğer bir fonksiyon vardır np.bincount() Tek boyutlu histogramlar için daha iyisini deneyebilirsiniz. np.bincount minlength = 256 olarak ayarlamayı unutmayın.

Örneğin,

hist = np.bincount (img.ravel (), minlength = 256)

Not :¶

Opencv fonksiyonu np.histogram() fonksiyonundan 40 kat daha hızlıdır bu yüzden opencv kullanın

şimdi histogramları çizebiliriz fakat nasıl ? tabiki Matplotlib ile

Histogramları Çizmek¶

bunun iki yolu vardır

• Kısa yol Matplotlib ile
• Uzun yok opencv çizim fonksiyonları ile

1- Matplotlib ile Çizim¶

Matplotlib, histogram çizim fonksiyonu ile gelir: matplotlib.pyplot.hist()

Bu fonksiyon doğrudan histogramı bulur ve çizer. Histogramı bulmak için calcHist() veya np.histogram() fonksiyonlarını kullanmanız gerekmez.

Aşağıdaki kodu inceleyin:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('home.jpg',0)
plt.hist(img.ravel(),256,[0,256]); plt.show()

Ya da BGR için daha iyi olan matplotlib’in normal grafiğini kullanabilirsiniz . Bunun için önce histogram verilerini bulmanız gerekir.

Aşağıdaki kodu deneyin:

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('home.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

Sonuç:

Yukarıdaki grafikten, mavinin görüntüde yüksek değerli bazı alanlar bulunduğunu düşebilirsiniz \(tabii ki gökyüzünden kaynaklanmaktadır\)

2- Opencv Kullanarak Çizmek¶

Burada, histogramların değerlerini bin değerleri ile birlikte x ve y koordinatlarına göre ayarlayarak yukarıda aynı görüntüyü oluşturmak üzere cv.line() veya cv.polyline() işlevini kullanarak çizebilirsiniz.

Mask’ın Uygulanması

Bütün resmin histogramını bulmak için cv.calcHist() fonksiyonunu kullanırız. Peki belirli bir alanın histogramını bulmak istersek ne yapacağız. Sadece histogramını bulmak istediğiniz alanın beyaz rengi ile mask \( maske \) görüntüsünü yaratın ve aksi takdirde siyah koyu.

img = cv.imread('home.jpg',0)
# maske yarattık
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv.bitwise_and(img,img,mask = mask)
# Histogramı maskeli ve maskesiz olarak hesapladık
# Maske için üçüncü argümanı kontrol ettik
hist_full = cv.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv.calcHist([img],[0],mask,[256],[0,256])
plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask,'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()

Ek Kaynak¶

• Cambridge in Color website

Histogramlar - 2: Histogram Eşitleme¶

\( Histograms - 2: Histogram Equalization \)

Hedefler;¶

Histogram eşitleme kavramlarını öğreneceğiz ve resimlerimizin karşıtlığını geliştirmek için kullanacağız.

çeviride kalınan yer ; https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_histograms/py_histogram_equalization/py_histogram_equalization.html