OpenCV 이미지 히스토그램 분석 (cv2.calcHist())

OpenCV 이미지 히스토그램 분석 (cv2.calcHist())

1. 히스토그램이란?

히스토그램(histogram)은 이미지 내 픽셀 값의 분포를 나타내는 그래프입니다. 일반적으로 x축은 픽셀의 밝기 값(0~255 범위)을, y축은 해당 밝기 값을 갖는 픽셀의 개수를 나타냅니다. 히스토그램을 분석하면 이미지의 명암 분포, 대비, 밝기 등을 파악할 수 있습니다.

OpenCV에서는 cv2.calcHist() 함수를 사용하여 이미지의 히스토그램을 계산할 수 있습니다.

2. cv2.calcHist() 함수 설명

cv2.calcHist() 함수의 기본적인 사용법은 다음과 같습니다.

cv2.calcHist(images, channels, mask, histSize, ranges)

각 매개변수의 의미는 다음과 같습니다.

• images: 분석할 이미지 (리스트 형태로 전달)
• channels: 계산할 채널 인덱스 (0: 그레이스케일, 1: Blue, 2: Green, 3: Red)
• mask: 특정 영역만 분석할 때 사용하는 마스크 이미지 (전체를 분석할 경우 None)
• histSize: 히스토그램의 빈(bin) 개수 (보통 256 사용)
• ranges: 픽셀 값 범위 ([0, 256])

3. 그레이스케일 이미지의 히스토그램 계산

다음 예제는 그레이스케일 이미지의 히스토그램을 계산하고 시각화하는 코드입니다.

예제 코드: 그레이스케일 이미지 히스토그램 분석

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 이미지 불러오기
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 히스토그램 계산
hist = cv2.calcHist([image], [0], None, [256], [0, 256])

# 히스토그램 시각화
plt.figure(figsize=(10, 5))
plt.plot(hist, color='black')
plt.title('Grayscale Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.xlim([0, 256])
plt.show()

이 코드는 다음과 같은 단계를 수행합니다.

1. cv2.imread()를 사용하여 그레이스케일 이미지를 불러옵니다.
2. cv2.calcHist() 함수를 사용하여 히스토그램을 계산합니다.
3. matplotlib.pyplot을 활용하여 히스토그램을 그래프로 출력합니다.

4. 컬러 이미지의 히스토그램 분석

컬러 이미지(RGB 또는 BGR)의 히스토그램은 각 채널별로 개별적으로 분석할 수 있습니다. OpenCV는 기본적으로 BGR 형식을 사용하므로, 각 채널을 분리하여 히스토그램을 계산합니다.

예제 코드: 컬러 이미지의 히스토그램 분석

# 컬러 이미지 불러오기
image = cv2.imread('image.jpg')

# 각 채널별 히스토그램 계산
colors = ('b', 'g', 'r')
plt.figure(figsize=(10, 5))

for i, color in enumerate(colors):
    hist = cv2.calcHist([image], [i], None, [256], [0, 256])
    plt.plot(hist, color=color)

plt.title('Color Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.xlim([0, 256])
plt.show()

이 코드에서는 다음 작업을 수행합니다.

1. cv2.imread()를 사용하여 컬러 이미지를 불러옵니다.
2. BGR 채널별로 cv2.calcHist()를 호출하여 히스토그램을 계산합니다.
3. matplotlib.pyplot을 활용하여 BGR 색상별 히스토그램을 그래프로 출력합니다.

5. 마스크를 이용한 특정 영역 히스토그램 분석

이미지의 특정 영역만 히스토그램 분석을 수행하려면 마스크를 사용할 수 있습니다. 마스크는 분석할 영역을 흰색(255), 나머지 영역을 검은색(0)으로 설정한 이진 이미지입니다.

예제 코드: 마스크를 활용한 히스토그램 분석

# 이미지 불러오기
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 마스크 생성 (중앙 영역 선택)
mask = np.zeros(image.shape, dtype=np.uint8)
mask[100:300, 100:300] = 255  # 100x100~300x300 영역 선택

# 원본 이미지 및 마스크 적용된 이미지 시각화
masked_image = cv2.bitwise_and(image, image, mask=mask)

# 히스토그램 계산
hist_full = cv2.calcHist([image], [0], None, [256], [0, 256])
hist_masked = cv2.calcHist([image], [0], mask, [256], [0, 256])

# 히스토그램 비교
plt.figure(figsize=(10, 5))
plt.plot(hist_full, label='Full Image', color='gray')
plt.plot(hist_masked, label='Masked Region', color='red')
plt.title('Histogram with Mask')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.legend()
plt.xlim([0, 256])
plt.show()

이 코드에서는 다음 단계를 수행합니다.

1. 특정 영역을 선택하는 마스크를 생성합니다.
2. cv2.bitwise_and()를 사용하여 마스크를 적용한 이미지를 만듭니다.
3. 원본 이미지와 마스크 적용된 영역의 히스토그램을 각각 계산하여 비교합니다.

6. 히스토그램 평활화 (Histogram Equalization)

히스토그램 평활화는 이미지의 대비를 향상시키는 기법으로, cv2.equalizeHist()를 사용하여 수행할 수 있습니다.

예제 코드: 히스토그램 평활화

# 히스토그램 평활화 적용
image_eq = cv2.equalizeHist(image)

# 결과 비교
plt.figure(figsize=(10, 5))
plt.subplot(1, 2, 1)
plt.imshow(image, cmap='gray')
plt.title('Original Image')
plt.axis('off')

plt.subplot(1, 2, 2)
plt.imshow(image_eq, cmap='gray')
plt.title('Equalized Image')
plt.axis('off')

plt.show()

히스토그램 평활화를 적용하면 명암 대비가 개선되어 이미지의 세부 정보가 더욱 뚜렷하게 보일 수 있습니다.

7. 마무리

이 포스팅에서는 OpenCV의 cv2.calcHist()를 활용한 이미지 히스토그램 분석 방법을 다루었습니다. 기본적인 히스토그램 계산부터, 컬러 이미지 분석, 특정 영역만 분석하는 마스크 적용, 히스토그램 평활화까지 다양한 활용법을 살펴보았습니다.

히스토그램은 이미지의 특징을 파악하는 데 중요한 도구이므로, OpenCV를 활용한 이미지 처리 프로젝트에서 적극적으로 활용할 수 있습니다.