目标

在本章中，我们将学习如何找到并绘制二维直方图。这将对后续章节有所帮助。

简介

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，是因为我们只考虑一个特征，即像素的灰度强度值。但是在二维直方图中，您会考虑两个特征。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调和饱和度值。

已经有一个 python 示例 (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样的颜色直方图，这将有助于理解诸如直方图反投影之类的后续主题。

OpenCV 中的二维直方图

它非常简单，可以使用相同的函数 cv.calcHist() 来计算。对于颜色直方图，我们需要将图像从 BGR 转换为 HSV。（记住，对于一维直方图，我们从 BGR 转换为灰度）。对于二维直方图，其参数将被修改如下

channels = [0,1] 因为我们需要处理 H 和 S 平面。
bins = [180,256] H 平面为 180，S 平面为 256。
range = [0,180,0,256] 色调值介于 0 和 180 之间，饱和度介于 0 和 256 之间。

现在查看下面的代码

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

就是这样。

Numpy 中的二维直方图

Numpy 也为此提供了一个特定的函数：np.histogram2d()。（记住，对于一维直方图，我们使用了 np.histogram() ）。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
 
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)
 
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，第三个是每个平面的 bins 数，第四个是它们的范围。

现在我们可以查看如何绘制这个颜色直方图。

绘制二维直方图

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。所以我们可以像通常一样，使用 cv.imshow() 函数来显示它们。它将是一个灰度图像，除非您知道不同颜色的色调值，否则它不会给出太多关于颜色的概念。

方法 - 2：使用 Matplotlib

我们可以使用 matplotlib.pyplot.imshow() 函数来绘制具有不同颜色图的二维直方图。它使我们更好地了解不同的像素密度。但同样，除非您知道不同颜色的色调值，否则乍一看，它也不会让我们知道那里有什么颜色。不过我更喜欢这种方法。它简单且更好。

注意: 在使用此函数时，请记住，为了获得更好的结果，插值标志应为 nearest。

考虑代码

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
 
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)
hist = cv.calcHist( [hsv], [0, 1], None, [180, 256], [0, 180, 0, 256] )
 
plt.imshow(hist,interpolation = 'nearest')
plt.show()

下面是输入图像及其颜色直方图。 X 轴显示 S 值，Y 轴显示色调。

image

在直方图中，您可以看到 H = 100 和 S = 200 附近的一些高值。它对应于天空的蓝色。类似地，在 H = 25 和 S = 100 附近可以看到另一个峰值。它对应于宫殿的黄色。您可以使用任何图像编辑工具（如 GIMP）来验证它。

方法 3：OpenCV 示例样式！！

OpenCV-Python2 示例 (samples/python/color_histogram.py) 中有一个颜色直方图示例代码。如果您运行该代码，您可以看到直方图也显示了相应的颜色。或者简单地说，它输出一个颜色编码的直方图。它的结果非常好（尽管您需要添加额外的一堆行）。

在该代码中，作者在 HSV 中创建了一个颜色图。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删除小的孤立像素，从而获得良好的直方图。

我将其留给读者运行代码、分析它并进行自己的 hack 操作。下面是该代码对上述相同图像的输出

image

您可以在直方图中清楚地看到存在哪些颜色，蓝色存在，黄色存在，还有一些由于棋盘而产生的白色。真好！！！