opencv 直方图

# -*-encoding:utf-8-*-
import pytesseract
from PIL import Image
from PIL import ImageFilter
from PIL import ImageFont
from PIL import ImageDraw
import numpy as np
from PIL import Image

import cv2
import matplotlib.pyplot as plt

def main():
    # 计算并绘制直方图
    # （自适应）直方图均衡化
    # OpenCV函数：cv2.calcHist(), cv2.equalizeHist()

    # =================================直方图计算
    # cv2.calcHist(images, channels, mask, histSize, ranges)
    # 参数1：要计算的原图，以方括号的传入，如：[img]
    # 参数2：类似前面提到的dims，灰度图写[0]
    # 就行，彩色图B / G / R分别传入[0] / [1] / [2]
    # 参数3：要计算的区域，计算整幅图的话，写None
    # 参数4：前面提到的bins,子区段数目，如果我们统计0~255每个像素值，bins=256；如果划分区间，比如0~15, 16~31…240~255这样16个区间，bins=16
    # 参数5：前面提到的range,要计算的像素值范围，一般为[0,256]（不包括256）
    img = cv2.imread("hist.jpg")
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    hist = cv2.calcHist([img_gray], [0], None, [256], [0, 256])  # 性能：0.025288 s

    #  =================================绘制直方图
    # Matplotlib自带了一个计算并绘制直方图的功能
    plt.hist(img_gray.ravel(), 256, [0, 256])
    plt.show()

    #  =================================直方图均衡化
    equ = cv2.equalizeHist(img_gray)

    #  =================================自适应均衡化(局均衡化部，一小块一小块进行的)
    # 自适应均衡化，参数可选
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    cl1 = clahe.apply(img_gray)



    # cv2.imshow('equalization', equ)  # 并排显示
    cv2.imshow('equalization', np.hstack((img_gray,equ)))  # 并排显示
    cv2.imshow('cl1', cl1)  # 并排显示
    cv2.waitKey(0)

if __name__ == '__main__':
    main()