Módulo: Histogramas y análisis de color
Este módulo forma parte del curso de OpenCV. .
Los histogramas describen la distribución de los valores de intensidad o color en una imagen. cv2.calcHist() calcula histogramas de uno o varios canales, mientras que cv2.compareHist() permite comparar dos imágenes por su distribución de color usando métricas como correlación, chi-cuadrado o distancia Bhattacharyya.
La ecualización de histograma mejora el contraste redistribuyendo los niveles de gris. cv2.equalizeHist() aplica ecualización global, que puede ser demasiado agresiva. CLAHE (Contrast Limited Adaptive Histogram Equalization) con cv2.createCLAHE() mejora el contraste de forma local y limita la amplificación del ruido, siendo la opción preferida en imágenes médicas y documentos.
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
mejorado = clahe.apply(canal_l)
El filtrado de color con cv2.inRange() crea máscaras binarias para segmentar objetos por su color en el espacio HSV. Es la base para sistemas de seguimiento de objetos de color, semáforos o señalización. La tabla de rangos HSV (rojo: 0-10 y 170-180, verde: 35-85, azul: 100-130) es fundamental para ajustar los umbrales correctamente.
La retroproyección de histograma con cv2.calcBackProject() genera un mapa de probabilidad de presencia del objeto de interés en toda la imagen, base del algoritmo de seguimiento MeanShift.
Otros módulos de este curso
Histogramas y análisis de color
Todos los módulos del curso
Navega entre los módulos de OpenCV
Histogramas y análisis de color
Estás aquíExplora más sobre OpenCV
Descubre más recursos de OpenCV
Alan Sastre
Ingeniero de Software y formador, CEO en CertiDevs
Ingeniero de software especializado en Full Stack y en Inteligencia Artificial. Como CEO de CertiDevs, OpenCV es una de sus áreas de expertise. Con más de 15 años programando, 6K seguidores en LinkedIn y experiencia como formador, Alan se dedica a crear contenido educativo de calidad para desarrolladores de todos los niveles.