OpenCV-Python快速入门系列13图像像素值统计-天煜博客

在图像处理中，统计图像的像素值是分析图像特性的重要步骤。像素值的分布可以帮助我们了解图像的亮度、对比度、颜色特性等。

1. 图像像素值简介

在 OpenCV 中，图像本质上是一个 NumPy 数组：

灰度图像：每个像素是一个范围在 [0, 255] 之间的整数，表示亮度值。
彩色图像：每个像素有三个通道（B、G、R），每个通道的值也在 [0, 255] 之间，表示蓝色、绿色和红色的强度。

我们可以通过统计这些像素值，了解图像的整体特性，例如：

平均值（Mean）：图像的整体亮度。
标准差（Standard Deviation）：图像的对比度。
最大值和最小值（Max/Min）：像素值的动态范围。

2. 常见像素值统计操作

2.1. 计算像素的最大值和最小值

作用：查看像素值的范围。
应用场景：图像归一化、对比度增强。

2.2. 计算像素值的平均值

作用：衡量图像的整体亮度。
应用场景：判断图像是否过暗或过亮。

2.3. 计算像素值的标准差

作用：反映像素值的分布范围。
应用场景：分析图像的对比度。

2.4. 统计每个像素值的频率（直方图）

作用：查看像素值的分布情况。
应用场景：图像分割、阈值处理。

3. 使用 OpenCV 统计像素值

以下是一个完整的代码示例，展示如何统计图像的像素值。

import cv2 as cv
import numpy as np

def pixel_statistics_demo():
    # 1. 读取图像
    image = cv.imread('images/sample.jpg')  # 替换为你的图像路径
    if image is None:
        print("Error: Image not found or failed to load.")
        return

    # 显示原始图像
    cv.imshow("Original Image", image)

    # 2. 转换为灰度图像
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    cv.imshow("Gray Image", gray)

    # 3. 计算统计量
    # (1) 最大值和最小值
    min_val, max_val, _, _ = cv.minMaxLoc(gray)
    print(f"Gray Image - Min Value: {min_val}, Max Value: {max_val}")

    # (2) 平均值和标准差
    mean_val, std_dev = cv.meanStdDev(gray)
    print(f"Gray Image - Mean: {mean_val[0][0]:.2f}, Std Dev: {std_dev[0][0]:.2f}")

    # 4. 计算彩色图像各通道的平均值和标准差
    mean_bgr, stddev_bgr = cv.meanStdDev(image)
    print(f"BGR Channels - Mean: {mean_bgr.T}, Std Dev: {stddev_bgr.T}")

    # 5. 绘制灰度图像直方图
    hist = cv.calcHist([gray], [0], None, [256], [0, 256])  # 计算直方图
    hist = hist.flatten()  # 将直方图转换为一维数组

    # 显示直方图
    import matplotlib.pyplot as plt
    plt.figure()
    plt.title("Grayscale Histogram")
    plt.xlabel("Pixel Value")
    plt.ylabel("Frequency")
    plt.plot(hist)
    plt.xlim([0, 256])
    plt.show()

    cv.waitKey(0)
    cv.destroyAllWindows()

# 调用函数
pixel_statistics_demo()

4. 代码解析

4.1. 最大值和最小值

min_val, max_val, _, _ = cv.minMaxLoc(gray)

使用 cv.minMaxLoc 获取灰度图的最小值和最大值。
这可以帮助我们了解图像的动态范围。

4.2. 平均值和标准差

mean_val, std_dev = cv.meanStdDev(gray)

使用 cv.meanStdDev 计算灰度图的平均值和标准差。
平均值反映亮度，标准差反映对比度。

4.3. 计算直方图

hist = cv.calcHist([gray], [0], None, [256], [0, 256])

使用 cv.calcHist 计算灰度图的像素值分布。
- [0] 表示计算第 0 通道（灰度图只有一个通道）。
- [256] 表示直方图的 bin 数为 256。
- [0, 256] 表示像素值范围。

4.4. 可视化直方图

import matplotlib.pyplot as plt
plt.plot(hist)

使用 Matplotlib 将直方图绘制出来，展示像素值的分布情况。

5. 运行效果

输出内容

图像的最小值和最大值。
灰度图和彩色图的平均值、标准差。
灰度图像素值分布直方图。

示例打印

Gray Image - Min Value: 10.0, Max Value: 245.0
Gray Image - Mean: 127.45, Std Dev: 50.32
BGR Channels - Mean: [[130.22 125.89 120.45]], Std Dev: [[40.12 45.78 42.56]]