opencv(4.5.3)-python(二十五)--二维直方图

用户9875047

发布于 2023-02-26 15:13:50

5190

发布于 2023-02-26 15:13:50

文章被收录于专栏：机器视觉全栈er

翻译及二次校对：cvtutorials.com

目标

在本章中，我们将学习如何寻找和绘制二维直方图。它对后面的章节会有帮助。

绪论

在第一篇文章中，我们计算并绘制了一维直方图。它之所以被称为一维，是因为我们只考虑了一个特征，即像素的灰度灰度值。但在二维直方图中，你要考虑两个特征。通常情况下，它被用于寻找颜色直方图，其中两个特征是每个像素的色调和饱和度值。

已经有一个python样本（samples/python/color_histogram.py）用于寻找颜色直方图。我们将尝试理解如何创建这样的颜色直方图，这对理解直方图反投影等进一步的主题很有用。

OpenCV中的二维直方图

它非常简单，使用同一个函数cv.calcHist()来计算。对于颜色直方图，我们需要将图像从BGR转换为HSV。(记住，对于一维直方图，我们从BGR转换为灰度）。) 对于二维直方图，其参数将被修改如下。

• channels = [0,1] 因为我们需要同时处理H和S平面。
• bins = [180,256] 180用于H平面，256用于S平面。
• range = [0,180,0,256] 色调值在0到180之间，饱和度在0到256之间。

现在看看下面的代码：

import numpy as np
import cv2 as cv
img = cv.imread('home.jpg')
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

Numpy中的2D直方图

Numpy还提供了一个专门的函数：np.histogram2d()。(记住，对于一维直方图，我们使用np.histogram()）。)

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('home.jpg')
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256]])

第一个参数是H面，第二个是S面，第三个是bin数，第四个是范围。

现在我们可以检查如何绘制这个颜色直方图。

绘制二维直方图

方法-1：使用cv.imshow()

我们得到的结果是一个大小为180x256的二维数组。所以我们可以像平时那样，用cv.imshow()函数来显示它们。这将是一个灰度图像，除非你知道不同颜色的色相值，否则它不会让人知道有哪些颜色。

方法-2：使用Matplotlib

我们可以使用matplotlib.pyplot.imshow()函数来绘制带有不同颜色图谱的2D直方图。这可以让我们更好地了解不同的像素密度。但是，这也不能让我们在第一眼就知道是什么颜色，除非你知道不同颜色的色相值。但我还是喜欢这种方法。它既简单又好。

注意:在使用这个函数时，请记住，为了得到更好的结果，插值标志应该是最近的。

看一下代码：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('home.jpg')
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
hist = cv.calcHist( [hsv], [0, 1], None, [180, 256], [0, 180, 0, 256] )
plt.imshow(hist,interpolation = 'nearest')
plt.show()

下面是输入的图像和它的颜色直方图图谱。X轴显示S值，Y轴显示色调。