# Histogram Analysis

> Detectar sobreexposición, subexposición e iluminación desigual en frames capturados

- Skill: `davidcastagnetoa/histogram-analysis` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add davidcastagnetoa/histogram-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/davidcastagnetoa/histogram-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: davidcastagnetoa (https://skillmd.com/u/davidcastagnetoa)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/davidcastagnetoa/histogram-analysis

---


# histogram_analysis

El análisis del histograma de luminosidad detecta imágenes con iluminación deficiente que comprometerían la calidad del liveness y face match.

## When to use

Aplicar junto con laplacian_variance en el pipeline de validación de calidad de cada frame.

## Instructions

1. Convertir a HSV: `hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)`
2. Extraer canal V: `v_channel = hsv[:,:,2]`
3. Percentiles: `p5 = np.percentile(v_channel, 5)`, `p95 = np.percentile(v_channel, 95)`
4. Sobreexposición: si >10% píxeles con V>250 → `OVEREXPOSED`.
5. Subexposición: si >10% píxeles con V<20 → `UNDEREXPOSED`.
6. Devolver `{ quality_issues: [], brightness_mean: float, contrast_score: float }`.

## Notes

- Proporcionar feedback en tiempo real: "Mejora la iluminación", "Reduce el brillo".
- Iluminación artificialmente perfecta puede indicar spoofing de pantalla.