Сохраняйте интервалы между 5% и 95% гистограммы в OpenCV/Python
Я намерен пропустить некоторые гистограммы изображения в крайних точках распределения любого серого изображения. Крайние точки слева представлены всеми гистограммами, лежащими в области 5%, а справа представлены всеми гистограммами в области выше 95% всего распределения. Вот несколько кодов, где я закончил
image = cv2.imread('right.'+str(i)+'.png')
#print(image)
hist = cv2.calcHist([image], [0], None, [256], [0,256])
lower = round(0.05*len(hist))
upper = round(0.95*len(hist))
lower_hist_list = hist[0:lower]
upper_hist_list = hist[upper:len(hist)]
lower_hist, upper_hist
remaining_region =hist[index_above_lower : index_before_upper]
то, что я хочу, это гистограммы между нижней и верхней границами 5%<=IMAGE<=95%?
Как я показал в последней строке, я хочу иметь изображение, гистограммы которого лежат между областью (выше 5% и ниже 95%). это означает, что мне не нужны гистограммы от 96% и выше или от 1 до 4% l (менее 5%).
Предположим, у вас есть низкоконтрастное изображение, где самый темный пиксель равен 80, а самый яркий — 120. Теперь 5% пикселей меньше 85, а 95% пикселей меньше 110. Итак, 1) вы хотите изменить яркость? изображения? 2) вы хотите увеличить контрастность, чтобы яркость пикселя 85 отображалась на 0, а яркость пикселя 110 отображалась на 255? Или что-то другое? Спасибо.
Вы можете использовать skimage.exposure.rescale_intensity() для сопоставления входных значений с выходными значениями и, таким образом, растянуть входные значения от x1>0 до x2<255, чтобы заполнить выходной диапазон (от 0 до 255).
@KimwagaMakono Вы имеете в виду что-то вроде MATLAB imadjust с стрейчлим? Или вы имеете в виду нахождение нижнего и верхнего процентиля изображения с использованием гистограммы - вычисление numpy.percentile с использованием данной гистограммы? Или вы имеете в виду интерпретацию ответа ниже?
Ответы 1
Основываясь на моем понимании вашего вопроса; вы хотели бы избежать интенсивностей пикселей, которые находятся на концах вашей гистограммы. Пиксели ниже 5% и выше 95% распределения должны быть обрезаны.
Сначала получите гистограмму вашего изображения в градациях серого с 256 интервалами:
hist = cv2.calcHist([img],[0],None,[256],[0,256])
hist хранит количество пикселей, каждое из которых имеет значение от [0 до 255].
- 5% от 256 ~ 12
- 95% от 256 ~ 243
Исходя из ваших критериев, нам нужно сохранить значения пикселей в диапазоне [12 - 243]. Мы можем использовать np.clip() для этой цели:
img2 = np.clip(img, 12, 243)
plt.hist(img2.ravel(),256,[0,256])
Глядя на график выше:
- значениям пикселей ниже 12 присвоено значение 12
- значениям пикселей выше 243 присвоено значение 243
Следовательно, вы можете увидеть всплеск для обоих этих значений на графике.
Хороший ответ. Моя интерпретация вопроса была далекой?♂️?
В каком смысле вы имеете в виду "пропустить". Корзины всегда есть, если вы не переобработаете изображение, чтобы обрезать данные. Или вы можете просто не печатать эти мусорные ведра, я полагаю.