快捷導(dǎo)航

opencv python 2D直方圖的示例代碼

更新時(shí)間：2018年07月20日 09:14:25 作者：sakurala

這篇文章主要介紹了opencv python 2D直方圖的示例代碼,小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧

我們已經(jīng)計(jì)算并繪制了一維直方圖，因?yàn)槲覀冎豢紤]一個(gè)特征，即像素的灰度強(qiáng)度值.但在二維直方圖中，需要考慮兩個(gè)特征，通常，它用于查找顏色直方圖，其中兩個(gè)要素是每個(gè)像素的色調(diào)和飽和度值.

OpenCV中的2D直方圖

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

channels = [0，1]：因?yàn)槲覀冃枰瑫r(shí)處理H（色調(diào)Hue）和S（飽和度Saturation）.
bins = [180,256]：180對(duì)應(yīng)H，256對(duì)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])

Numpy中的2D直方圖

np.histogram2d（）. （注意，對(duì)于1D直方圖，我們使用np.histogram（））

復(fù)制代碼代碼如下:

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

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

繪制2D直方圖

方法 - 1：使用cv.imshow（）

我們得到的結(jié)果是一個(gè)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(gè)灰度圖像，它不會(huì)告訴你什么顏色，除非你知道不同顏色的色調(diào).

方法-2：使用Matplotlib

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(huì)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(duì)應(yīng)于天空的藍(lán)色.同樣，在H=25和S=100附近也可以看到另一個(gè)峰值,它對(duì)應(yīng)著宮殿的黃色.

方法-3：OpenCV樣本風(fēng)格

在Opencv-Python2樣本中有一個(gè)用于顏色直方圖的示例代碼(samples/python/color_histogram.py).如果您運(yùn)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(gè)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(gè)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(yù)處理步驟來移除小的孤立像素，從而形成一個(gè)良好的直方圖.