如何批量处理文件夹内500张图像并绘制亮度均值直方图？

没问题，我来帮你把单张图像的亮度计算逻辑扩展成批量处理方案，同时实现直方图绘制，直接上干货：

1. 先确认需要的依赖库 #

首先确保你已经安装了这些必要的库，如果没有的话，执行以下命令安装：

pip install opencv-python numpy matplotlib

2. 完整代码实现 #

下面是整合后的批量处理代码，我加了详细注释，方便你理解每一步：

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

# 设置你的图像文件夹路径，替换成实际路径
image_folder = "path/to/your/images"
# 初始化列表存储所有图像的亮度均值
brightness_values = []

# 遍历文件夹中的所有JPG图像
for filename in os.listdir(image_folder):
    # 只处理JPG格式的文件（注意区分大小写，根据你的实际文件后缀调整）
    if filename.lower().endswith(".jpg"):
        img_path = os.path.join(image_folder, filename)
        try:
            # 读取图像
            img = cv2.imread(img_path)
            if img is None:
                print(f"警告：无法读取图像 {filename}，跳过")
                continue
            
            # 计算亮度均值，和你单张的逻辑一致
            avg_color_per_row = np.average(img, axis=0)
            avg_color = np.average(avg_color_per_row, axis=0)
            brightness = sum(avg_color) / 3
            
            # 将亮度值加入列表
            brightness_values.append(brightness)
            print(f"已处理 {filename}，亮度均值：{brightness:.2f}")
        except Exception as e:
            print(f"处理 {filename} 时出错：{str(e)}")

# 绘制亮度均值直方图
plt.figure(figsize=(10, 6))
# 可以根据你的数据分布调整bins的数量，比如20、30
plt.hist(brightness_values, bins=20, edgecolor='black')
plt.title("图像亮度均值分布直方图")
plt.xlabel("亮度均值")
plt.ylabel("图像数量")
plt.grid(axis='y', alpha=0.75)
# 显示图像或者保存到文件
plt.show()
# 如果需要保存直方图，取消下面的注释
# plt.savefig("brightness_histogram.png")

3. 关键细节说明 #

• 文件遍历：用os.listdir遍历文件夹，同时通过后缀过滤只处理JPG图像，避免误处理其他文件；也可以用glob模块更简洁，比如glob.glob(os.path.join(image_folder, "*.JPG"))，适合文件名大小写固定的情况。
• 异常处理：加入try-except和img is None的判断，防止个别损坏的图像导致程序中断，同时给出明确提示。
• 直方图优化：bins参数可以根据你的实际亮度分布调整，比如如果亮度值集中在某个区间，增加bins数量能更清晰展示分布；figsize用来调整图的大小。
• 数据后续使用：brightness_values列表里存储了所有有效图像的亮度均值，你可以基于这个列表进一步筛选有效图像（比如剔除低于/高于某个阈值的图像）。

内容的提问来源于stack exchange，提问作者Terry Liu