opencv python 2D直方图

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.

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.

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，对于1D直方图，我们使用np.histogram（））

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

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

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.

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：

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.

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.