Histograms - 3 : 2D Histograms

我們已經(jīng)計算并繪制了一維直方圖，因為我們只考慮一個特征，即像素的灰度強度值.但在二維直方圖中，需要考慮兩個特征，通常，它用于查找顏色直方圖，其中兩個要素是每個像素的色調(diào)和飽和度值.

使用函數(shù)cv.calcHist（）, 對于顏色直方圖，我們需要將圖像從BGR轉(zhuǎn)換為HSV。 （請記住，對于1D直方圖，我們從BGR轉(zhuǎn)換為灰度）。對于2D直方圖，其參數(shù)將修改如下:

channels = [0，1]：因為我們需要同時處理H（色調(diào)Hue）和S（飽和度Saturation）.

bins = [180,256]：180對應(yīng)H，256對應(yīng)S.

range = [0,180,0,256]：色調(diào)值介于0到180之間，飽和度介于0到256之間.

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

img = cv2.imread("img.jpg")

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

np.histogram2d（）. （注意，對于1D直方圖，我們使用np.histogram（））

hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256]])

第一個參數(shù)是H平面，第二個是S平面，第三個是每個bins的數(shù)量，第四個是它們的范圍

我們得到的結(jié)果是一個大小為180x256的二維數(shù)組. 因此我們可以像使用cv.imshow（）函數(shù)一樣正常顯示它們. 它將是一個灰度圖像，它不會告訴你什么顏色，除非你知道不同顏色的色調(diào).

我們可以使用matplotlib.pyplot.imshow（）函數(shù)繪制具有不同顏色圖的2D直方圖. 它讓我們更好地了解不同的像素密度, 但是，除非你知道不同顏色的色調(diào)值，否則這也不會讓我們知道第一眼看到的是什么顏色. 它簡單而且更好.
代碼：

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

img = cv2.imread("img6.png")

hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

hist = cv2.calcHist([hsv], [0,1], None, [180,256], [0,180,0,256])

plt.imshow(hist, interpolation="nearest")
plt.show()

在直方圖中，你可以看到H=100和S=200附近的一些高值,它對應(yīng)于天空的藍色.同樣，在H=25和S=100附近也可以看到另一個峰值,它對應(yīng)著宮殿的黃色.

在Opencv-Python2樣本中有一個用于顏色直方圖的示例代碼(samples/python/color_histogram.py).如果您運行代碼，您可以看到直方圖顯示相應(yīng)的顏色,或者簡單地輸出一個顏色編碼的直方圖.它的結(jié)果非常好(盡管您需要添加一些額外的行).
在這段代碼中，作者在HSV中創(chuàng)建了一個彩色地圖,然后將其轉(zhuǎn)換為BGR,生成的直方圖圖像與此顏色圖相乘,他還使用一些預處理步驟來移除小的孤立像素，從而形成一個良好的直方圖.