numpy图像中灰度值的直方图

Question

我将图像加载到 numpy 数组中，并希望在直方图中绘制其颜色值。

import numpy as np

from skimage import io
from skimage import color

img = io.imread('img.jpg')
img = color.rgb2gray(img)

unq = np.unique(img)
unq = np.sort(unq)

当我们检查unq 的值时，我们会看到类似

array([  5.65490196e-04,   8.33333333e-04,   1.13098039e-03, ...,
         7.07550980e-01,   7.09225490e-01,   7.10073725e-01])

对于matplotlib 仍然有太多的值，所以我的想法是循环遍历unq 并删除所有仅偏离其前身的x 的值。

dels = []

for i in range(1, len(unq)):
    if abs(unq[i]-unq[i-1]) < 0.0003:
        dels.append(i)

unq = np.delete(unq, dels)

虽然这种方法有效，但效率很低，因为它没有使用 numpy 的优化实现。

是否有一个 numpy 功能可以为我做到这一点？

刚刚注意到我的算法丢失了关于颜色出现频率的信息。让我尝试解决这个问题。

Answer 1

如果只想计算直方图，可以使用np.histogram:

bin_counts, bin_edges = np.histogram(img, bins, ...)

这里，bins 可以是 bin 的数量，也可以是指定 bin 上下边缘的向量。

如果你想绘制直方图，最简单的方法是使用plt.hist:

bin_counts, bin_edges, patches = plt.hist(img.ravel(), bins, ...)

请注意，我在计算直方图之前使用了img.ravel() 来展平图像数组。如果您将二维数组传递给plt.hist()，它会将每一行视为一个单独的数据系列，这不是您想要的。