【OpenCV学习笔记29】- OpenCV 中的直方图 - 直方图 - 3：2D 直方图

夜七天

于 2024-02-19 17:55:26 发布

阅读量662

点赞数 28

分类专栏： OpenCV Python 文章标签： opencv 学习笔记 python 计算机视觉人工智能

本文链接：https://blog.csdn.net/q664243624/article/details/136007318

版权

Python 同时被 2 个专栏收录

43 篇文章 1 订阅

订阅专栏

OpenCV

32 篇文章 2 订阅

订阅专栏

这是对于 OpenCV 官方文档中图像处理的学习笔记。学习笔记中会记录官方给出的例子，也会给出自己根据官方的例子完成的更改代码，同样彩蛋的实现也会结合多个知识点一起实现一些小功能，来帮助我们对学会的知识点进行结合应用。
如果有喜欢我笔记的请麻烦帮我关注、点赞、评论。谢谢诸位。

学习笔记：
学习笔记目录里面会收录我关于OpenCV系列学习笔记博文，大家如果有什么不懂的可以通过阅读我的学习笔记进行学习。
【OpenCV学习笔记】- 学习笔记目录

内容

查找和绘制2D直方图

介绍

在第一篇文章中，我们计算并绘制了一维直方图。之所以称为一维，是因为我们仅考虑一个特征，即像素的灰度强度值。但是在二维直方图中，您要考虑两个特征。通常，它用于查找颜色直方图，其中两个特征是每个像素的色相和饱和度值。

已经有一个python样本( samples/python/color_histogram.py )用于查找颜色直方图。我们将尝试了解如何创建这种颜色直方图，这对于理解诸如直方图反投影之类的更多主题将很有用。

OpenCV中的2D直方图

它非常简单，并且使用相同的函数 cv.calcHist() 进行计算。对于颜色直方图，我们需要将图像从BGR转换为HSV。(请记住，对于一维直方图，我们从BGR转换为灰度)。对于2D直方图，其参数将进行如下修改：

channels = [0,1]，因为我们需要同时处理H和S平面。
bins = [180,256] 对于H平面为180，对于S平面为256。
range= [0,180,0,256] 色相值介于0和180之间，饱和度介于0和256之间。

示例代码：

# OpenCV 中的直方图
# 直方图 - 3：2D 直方图
# OpenCV中的2D直方图
import numpy as np
import cv2 as cv
img = cv.imread('../image/3.9.4-1.png')
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

Numpy中的2D直方图

Numpy还为此提供了一个特定功能：np.histogram2d() 。(请记住，对于一维直方图，我们使用了 np.histogram() )。

示例代码：

# OpenCV 中的直方图
# 直方图 - 3：2D 直方图
# Numpy中的2D直方图
import numpy as np
import cv2 as cv

img = cv.imread('home.jpg')
assert img is not None, "file could not be read, check with os.path.exists()"
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
# 将 hsv 图像拆分成三个单通道图像，分别对应于色相（H）、饱和度（S）和明度（V）
h, s, v = cv.split(hsv)
hist, xbins, ybins = np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180], [0, 256]])

注意： 官方文档少了 h, s, v = cv.split(hsv) 对hsv图像的通道拆分，会让示例代码中的 h.ravel()，s.ravel() 显的有点莫名其妙，因为没有对应变量。

第一个参数是H平面，第二个参数是S平面，第三个参数是每个bin的数量，第四个是它们的范围。

现在我们可以检查如何绘制此颜色直方图。

绘制2D直方图

方法-1：使用 cv.imshow()

我们得到的结果是尺寸为180x256的二维数组。因此，可以使用 cv.imshow() 函数像平常一样显示它们。它将是一幅灰度图像，除非您知道不同颜色的色相值，否则不会对其中的颜色有太多了解。

示例代码：

# OpenCV 中的直方图
# 直方图 - 3：2D 直方图
# 绘制2D直方图
# 方法-1：使用 cv.imshow()
import numpy as np
import cv2 as cv

img = cv.imread('../image/3.10.3-1.png')
assert img is not None, "file could not be read, check with os.path.exists()"
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
# 将 hsv 图像拆分成三个单通道图像，分别对应于色相（H）、饱和度（S）和明度（V）
h, s, v = cv.split(hsv)
hist, xbins, ybins = np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180], [0, 256]])
cv.imshow("hist", hist)
cv.waitKey(0)
cv.destroyAllWindows()

效果图：
在这里插入图片描述

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。它使我们对不同的像素密度有了更好的了解。但是，这也并不能使我们一眼就能知道是什么颜色，除非您知道不同颜色的色相值。我还是更喜欢这种方法。它简单而更好。

注意: 使用此功能时，请记住，插值标记应最接近以获得更好的结果。

示例代码：

# OpenCV 中的直方图
# 直方图 - 3：2D 直方图
# 绘制2D直方图
# 方法-2：使用Matplotlib
import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('../image/3.10.3-1.png')
cv.imshow("img", img)
cv.waitKey(0)
assert img is not None, "file could not be read, check with os.path.exists()"
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
plt.imshow(img)
plt.imshow(hist, interpolation='nearest')
plt.show()
cv.destroyAllWindows()