OpenCV-Python -- Histograms - 3 : 2D Histograms

学习目标

这一节，我们将学习寻找和绘制2D直方图，对后面的章节非常有用。

简介

在直方图系列的第一节，我们计算并绘制了一维直方图。之所以称之为一维，是因为我们仅仅考虑一个特征（图像的灰度值）。但是，在二维直方图中，我们考虑2个特征。通常情况下，在计算彩色直方图的时候，考虑的2个特征为每个像素的色度和饱和度（Hue&Saturation）。

2D Histogram in OpenCV

使用的函数依然是：cv2.calcHist(). 对于彩色直方图，我们需要将图像进行转换（BGR->HSV），在1D直方图中，我们将彩色图转换为灰度图（Grayscale）。2D直方图中，参数修改如下：

• channels = [0, 1]，因为我们需要处理H和S平面。
• bins = [180, 256]，180是H通道，256是S通道。
• range = [0, 180, 0, 256]，Hue的范围为【0,180】，Saturation的范围【0,256】。

看下面的例子，计算2D直方图：

import cv2
import numpy as np

img = cv2.imread('home.jpg')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

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

2D Histogram in Numpy

Numpy计算2D直方图的函数为：np.histogram2d()（1D直方图的函数为，np.histogram()）。计算代码如下：

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

img = cv2.imread('home.jpg')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
h, s = hsv[:, :, 0], hsv[:, :, 1]
hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256]])

Plotting 2D Histograms

方法1：cv2.imshow()

2D直方图返回的是大小为180x256的数组。所以，我们可以使用cv2.imshow()显示。但是显示的是灰度图，并不能反映彩色信息，除非知道不同颜色的Hue值。

方法2：Matplotlib

可以使用不同的颜色图绘制2D直方图，函数为matplotlib.pyplot.imshow()。这样可以方便得到不同像素强度。但是，同样无法得到具体的颜色信息，除非知道不同颜色的Hue值。

注意，当使用该函数时，插值必须使用nearsest，这样可以达到更好的效果。

代码

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

img = cv2.imread('home.jpg')
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()

下图是运行结果，X轴表示 S 值，Y轴表示H值，如下：


从图中可以看出，较高的值在 H=100和S=200附近，应该对应的是天空的蓝色。另外的高峰在 H=25和S=100附近，应该对应的是黄色的墙面（因为我们提前知道H值和S值对应的颜色，上面的论述中也强调了这一点）。

方法3：OpenCV sample style

上面我们说过，使用OpenCV绘制的2D直方图是灰度图，无法显示特定的颜色。那么应该操作如下：在HSV空间创建颜色图。然后转为BGR。然后将CV计算的直方图乘以该颜色图。当然也有一些预处理，比如移除孤立的像素。

下面是结果，可以看出，从2D直方图就可以看出对应图像中的区域：