OpenCV竟然可以这样学！成神之路终将不远（二十四）

Posted 2021-06-30 满目星辰wwq

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了OpenCV竟然可以这样学！成神之路终将不远（二十四）相关的知识，希望对你有一定的参考价值。

24.5.1 方法1：使用 cv.imshow()

24.5.2 方法2：使用Matplotlib

24.5.3 方法3：OpenCV示例样式

24 直方图-3：二维直方图

24.1 目标

在本章中，我们将学习查找和绘制2D直方图。这将在以后的章节中有所帮助。

24.2 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种颜色直方图，这对于理解诸如直方图反向投影之类的更多主题将很有用。

24.3 OpenCV中的二维直方图

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）。对于二维直方图，其参数将进行如下修改：

channel = [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。

现在检查以下代码：

import numpy as np
import cv2 as cv

img = cv.imread('home.jpg')
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

就是这样。

24.4 Numpy中的二维直方图

Numpy还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')
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，第三个是每个箱子的数量，第四个是它们的范围。

现在我们可以检查如何绘制这个颜色直方图。

24.5 绘制二维直方图

24.5.1 方法1：使用 cv.imshow()

我们得到的结果是尺寸为80x256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。

24.5.2 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，除非您知道不同颜色的色相值，否则乍一看并不能使我们知道到底是什么颜色。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，插值法应采用最近邻以获得更好的结果。

考虑下面的代码：

import cv2 as cv
from matplotlib import pyplot as plt

img = cv.imread('girl.jpg')
rgb = cv.cvtColor(img, cv.COLOR_BGR2RGB)
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

plt.subplot(121), plt.imshow(rgb, 'gray'), plt.title('original')
plt.xticks([]), plt.yticks([])

plt.subplot(122), plt.imshow(hist, interpolation='nearest'), plt.title('hist')

plt.show()

下面是输入图像及其颜色直方图。X轴显示S值，Y轴显示色相。