!mkdir /home/aistudio/external-libraries
!pip install beautifulsoup4 -t /home/aistudio/external-librariesmkdir: cannot create directory ‘/home/aistudio/external-libraries’: File exists
Looking in indexes: https://mirror.baidu.com/pypi/simple/
Collecting beautifulsoup4
[?25l Downloading https://mirror.baidu.com/pypi/packages/d1/41/e6495bd7d3781cee623ce23ea6ac73282a373088fcd0ddc809a047b18eae/beautifulsoup4-4.9.3-py3-none-any.whl (115kB)
[K |████████████████████████████████| 122kB 16.5MB/s eta 0:00:01
[?25hCollecting soupsieve>1.2; python_version >= "3.0" (from beautifulsoup4)
Downloading https://mirror.baidu.com/pypi/packages/36/69/d82d04022f02733bf9a72bc3b96332d360c0c5307096d76f6bb7489f7e57/soupsieve-2.2.1-py3-none-any.whl
Installing collected packages: soupsieve, beautifulsoup4
Successfully installed beautifulsoup4-4.9.3 soupsieve-2.2.1
[33mWARNING: Target directory /home/aistudio/external-libraries/bs4 already exists. Specify --upgrade to force replacement.[0m
[33mWARNING: Target directory /home/aistudio/external-libraries/soupsieve already exists. Specify --upgrade to force replacement.[0m
[33mWARNING: Target directory /home/aistudio/external-libraries/soupsieve-2.2.1.dist-info already exists. Specify --upgrade to force replacement.[0m
[33mWARNING: Target directory /home/aistudio/external-libraries/beautifulsoup4-4.9.3.dist-info already exists. Specify --upgrade to force replacement.[0m# 同时添加如下代码, 这样每次环境(kernel)启动的时候只要运行下方代码即可:
import sys
sys.path.append('/home/aistudio/external-libraries')请点击此处查看本环境基本用法.
Please click here for more detailed instructions.
灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。
统计直方图数据
首先要稍微理解一些与函数相关的术语，方便理解其在python3库中的应用和处理
BINS: 在上面的直方图当中，如果像素值是0到255，则需要256个值来显示直 方图。但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？例如，想知道像素值在0到15之间的像素点数目，然后是16到31。。。240到255。可以将256个值分成16份，每份计算综合。每个分成的小组就是一个BIN（箱）。在opencv中使用histSize表示BINS。
DIMS: 数据的参数数目。当前例子当中，对收集到的数据只考虑灰度值，所以该值为1。
RANGE: 灰度值范围，通常是[0,256]，也就是灰度所有的取值范围。
统计直方图同样有两种方法，使用opencv统计直方图，函数如下：
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpeg',1)
# img_np = np.array(img)
plt.hist(img.reshape([-1]),256,[0,256]);
plt.show()
cv2.calcHist([images], [channels], mask, histSize, ranges[, hist[, accumulate ]])
- imaes:输入的图像
- channels:选择图像的通道
- mask:掩膜，是一个大小和image一样的np数组，其中把需要处理的部分指定为1，不需要处理的部分指定为0，一般设置为None，表示处理整幅图像
- histSize:使用多少个bin(柱子)，一般为256
- ranges:像素值的范围，一般为[0,255]表示0~255
import cv2
# import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpeg',0)
histr = cv2.calcHist([img],[0],None,[256],[0,256]) #hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值
plt.plot(histr,color = 'b')
plt.xlim([0,256])
plt.show()
import cv2
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpeg',1)
color = ('b','g','r')
for i,col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0,256])
#hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值
plt.plot(histr,color = col)
plt.xlim([0,256])
plt.show()
import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
def main():
img=cv2.imread('data/nezha.jpeg',0)
#得到计算灰度直方图的值
n = np.array(img)
xy=xygray(img)
#画出灰度直方图
x_range=range(256)
plt.plot(x_range,xy,"r",linewidth=2,c='black')
#设置坐标轴的范围
y_maxValue=np.max(xy)
plt.axis([0,255,0,y_maxValue])
#设置坐标轴的标签
plt.xlabel('gray Level')
plt.ylabel("number of pixels")
plt.show()
def xygray(img):
#得到高和宽
rows,cols=img.shape
print(img.shape)
#存储灰度直方图
xy=np.zeros([256],np.uint64)
for r in range(rows):
for c in range(cols):
xy[img[r][c]] += 1
#返回一维ndarry
print(xy.sum())
return xy
main()(442, 700)
309400