En este artículo veremos cómo podemos hacer un histograma de la imagen en mahotas. Un histograma de imagen es un tipo de histograma que actúa como una representación gráfica de la distribución tonal en una imagen digital. Traza el número de píxeles para cada valor tonal. Al mirar el histograma de una imagen específica, un espectador podrá juzgar la distribución tonal completa de un vistazo.
En este tutorial usaremos la imagen «lena», a continuación se muestra el comando para cargarla.
mahotas.demos.load('lena')
A continuación se muestra la imagen de lena
Para ello utilizaremos el método mahotas.fullhistogram
Sintaxis: mahotas.fullhistogram(img)
Argumento: Toma el objeto imagen como argumento
Retorno: Devuelve ndarray de tipo np.uint32
Nota: la imagen de entrada debe filtrarse o debe cargarse como gris
. Para filtrar la imagen, tomaremos el objeto de imagen que es numpy.ndarray y lo filtraremos con la ayuda de la indexación, a continuación se muestra el comando para hacer esto.
image = image[:, :, 0]
A continuación se muestra la implementación.
Python3
# importing required libraries import mahotas import mahotas.demos from pylab import gray, imshow, show import numpy as np import matplotlib.pyplot as plt # loading image img = mahotas.demos.load('lena') # filtering image img = img.max(2) print("Image") # showing image imshow(img) show() # Computing histogram value = mahotas.fullhistogram(img) # showing histograph plt.hist(value)
Producción :
Image
(array([82., 50., 34., 21., 24., 16., 9., 6., 9., 5.]), array([ 0., 391.9, 783.8, 1175.7, 1567.6, 1959.5, 2351.4, 2743.3, 3135.2, 3527.1, 3919. ]), a list of 10 Patch objects)
Otro ejemplo
Python3
# importing required libraries import mahotas import numpy as np from pylab import gray, imshow, show import os import matplotlib.pyplot as plt # loading image img = mahotas.imread('dog_image.png') # filtering image img = img[:, :, 0] print("Image") # showing image imshow(img) show() # Computing histogram value = mahotas.fullhistogram(img) # showing histograph plt.hist(value)
Producción :
Image
(array([27., 29., 56., 20., 23., 41., 21., 23., 10., 6.]), array([1.0000e+00, 4.4780e+02, 8.9460e+02, 1.3414e+03, 1.7882e+03, 2.2350e+03, 2.6818e+03, 3.1286e+03, 3.5754e+03, 4.0222e+03, 4.4690e+03]), a list of 10 Patch objects>
Publicación traducida automáticamente
Artículo escrito por rakshitarora y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA