Python OpenCV 강좌 : 제 33강 - 히스토그램

히스토그램(Histogram)

히스토그램이란 도수 분포표 중 하나로 데이터의 분포를 몇 개의 구간으로 나누고 각 구간에 속하는 데이터를 시각적으로 표현한 막대그래프입니다.

이미지에서 사용하는 히스토그램은 X 축을 픽셀의 값으로 사용하고 Y 축을 해당 픽셀의 개수로 표현합니다.

이미지의 픽셀값을 히스토그램으로 표현하면 이미지의 특성을 쉽게 확인할 수 있습니다.

히스토그램은 다음과 같은 세 가지의 중요한 요소를 갖고 있습니다.

1. 빈도 수(BINS): 히스토그램 그래프의 X 축 간격
2. 차원 수(DIMS): 히스토그램을 분석할 이미지의 차원
3. 범위(RANGE): 히스토그램 그래프의 X 축 범위

빈도 수는 히스토그램의 X 축 간격입니다. 픽셀값의 범위는 0~255로 총 256개의 범위를 갖고 있으며, 빈도 수의 값이 8이라면 0 ~ 7, 8 ~ 15, …, 248 ~ 255의 범위로 총 32개의 막대가 생성됩니다.

차원 수는 이미지에서 분석하고자 하는 색상 차원을 의미합니다. 그레이스케일은 단일 채널이므로 하나의 차원에 대해 분석할 수 있고 색상 이미지는 다중 채널이므로 세 개 이상의 차원에 대해 분석할 수 있습니다.

범위는 이미지에서 측정하려는 픽셀값의 범위로서, 특정 픽셀값 영역에 대해서만 분석하게 하는 데 사용됩니다.

메인 코드

import cv2
import numpy as np

src = cv2.imread("road.jpg")
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
result = np.zeros((src.shape[0], 256), dtype=np.uint8)

hist = cv2.calcHist([gray], [0], None, [256], [0, 256])
cv2.normalize(hist, hist, 0, result.shape[0], cv2.NORM_MINMAX)

for x, y in enumerate(hist):
    cv2.line(result, (int(x), result.shape[0]), (int(x), result.shape[0] - int(y)), 255)

dst = np.hstack([gray, result])

cv2.imshow("dst", dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

세부 코드

src = cv2.imread("road.jpg")
gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
result = np.zeros((src.shape[0], 256), dtype=np.uint8)

원본 이미지(src)와 그레이스케일(gray), 히스토그램 이미지(result)을 선언합니다.

히스토그램 이미지는 N개의 개수를 갖는 256 분포로 사용할 예정이므로, 이미지 높이는 원본 이미지를 사용하며, 너비는 256을 사용합니다.

hist = cv2.calcHist([gray], [0], None, [256], [0, 256])

히스토그램은 히스토그램 계산 함수(cv2.calcHist)를 통해 분포를 계산할 수 있습니다.

cv2.calcHist(연산 이미지, 특정 채널, 마스크, 히스토그램 크기, 히스토그램 범위)를 이용하여 히스토그램을 계산합니다.

특정 채널은 차원 수(DIMS)를 설정합니다. 그레이스케일 이미지는 단일 채널이므로, 0을 사용합니다.

마스크는 특정 영역에 대해서만 연산할 때 사용합니다. 해당 영역은 없으므로, None을 할당합니다.

히스토그램 크기는 빈도 수(BINS)를 설정합니다. 픽셀의 범위는 0 ~ 255 이므로, [256]을 할당합니다.

히스토그램 범위는 범위(RANGE)를 설정합니다. 예외 사항이 없으므로, 0 ~ 255의 범위를 계산하기 위해 [0, 256]을 할당합니다.

cv2.normalize(hist, hist, 0, result.shape[0], cv2.NORM_MINMAX)

히스토그램을 통해 연산된 결과는 정규화되지 않은 값입니다.

그러므로, 정규화 함수(cv2.normalize)를 통해 값을 변경합니다.

cv2.normalize(입력 배열, 결과 배열, alpha, beta, 정규화 기준)으로 값을 정규화합니다.

cv2.NORM_MINMAX을 통해, 정규화 기준을 최솟값이 alpha가 되고, 최댓값이 beta가 되게 변경합니다.

이 연산을 통해 최솟값은 0이 되며, 최댓값은 result.shape[0]이 됩니다.

for x, y in enumerate(hist):
    cv2.line(result, (int(x), result.shape[0]), (int(x), result.shape[0] - int(y)), 255)

dst = np.hstack([gray, result])

결과를 시각적으로 확인하기 위해, hist값을 result에 표시합니다.

이후, gray와 result는 이미지 높이가 같으므로 병합 함수(np.hstack)로 이미지를 연결합니다.

출력 결과