histograms - 3 : 2d histograms
我们已经计算并绘制了一维直方图，因为我们只考虑一个特征，即像素的灰度强度值.但在二维直方图中，需要考虑两个特征，通常，它用于查找颜色直方图，其中两个要素是每个像素的色调和饱和度值.
opencv中的2d直方图
使用函数cv.calchist（）, 对于颜色直方图，我们需要将图像从bgr转换为hsv。 （请记住，对于1d直方图，我们从bgr转换为灰度）。对于2d直方图，其参数将修改如下:
- channels = [0，1]：因为我们需要同时处理h（色调hue）和s（饱和度saturation）.
- bins = [180,256]：180对应h，256对应s.
- range = [0,180,0,256]：色调值介于0到180之间，饱和度介于0到256之间.
|
1
2
3
4
5
6
7
8
9
|
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])
|
numpy中的2d直方图
np.histogram2d（）. （注意，对于1d直方图，我们使用np.histogram（））
第一个参数是h平面，第二个是s平面，第三个是每个bins的数量，第四个是它们的范围
绘制2d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. 因此我们可以像使用cv.imshow（）函数一样正常显示它们. 它将是一个灰度图像，它不会告诉你什么颜色，除非你知道不同颜色的色调.
方法-2：使用matplotlib
我们可以使用matplotlib.pyplot.imshow（）函数绘制具有不同颜色图的2d直方图. 它让我们更好地了解不同的像素密度, 但是，除非你知道不同颜色的色调值，否则这也不会让我们知道第一眼看到的是什么颜色. 它简单而且更好.
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
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()
|
在直方图中，你可以看到h=100和s=200附近的一些高值,它对应于天空的蓝色.同样，在h=25和s=100附近也可以看到另一个峰值,它对应着宫殿的黄色.
方法-3：opencv样本风格
在opencv-python2样本中有一个用于颜色直方图的示例代码(samples/python/color_histogram.py).如果您运行代码，您可以看到直方图显示相应的颜色,或者简单地输出一个颜色编码的直方图.它的结果非常好(尽管您需要添加一些额外的行).
在这段代码中，作者在hsv中创建了一个彩色地图,然后将其转换为bgr,生成的直方图图像与此颜色图相乘,他还使用一些预处理步骤来移除小的孤立像素，从而形成一个良好的直方图.
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://segmentfault.com/a/1190000015676693