深入了解Python二维直方图

前言

只统计像素的灰度值这一特征,可将其成为一维直方图。二维直方图可以统计像素的色相和饱和度,用于查找图像的颜色直方图。

一、OpenCV中的二维直方图

OpenCV仍然使用cv2.calcHist()函数来查找图像的颜色直方图,只是在指定参数时与之前有所区别。

cv2.calcHist()函数的基本格式如下:

hist =cv2.calcHist(image, channels, mask, histSize, ranges)

image参数指定的原图像应从BGR色彩空间转换为HSV色彩空间, 实际参数需要用方括号括起来

channels参数设置为[0,1]时, 表示同时处理色相和饱和度

histSize参数设置BINS值为[180,256]时, 表示色相为180, 饱和度为256

ranges参数设置为[0,180,0,256]时, 表示色相的取值范围为[0,180], 饱和度的取值范围为[0,2565]

cv2.calcHist()函数返回的颜色直方图可以直接使用cv2.show()函数显示。

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

img = cv2.imread("XIAN.jpg")
cv2.namedWindow("orininal", cv2.WINDOW_NORMAL)
cv2.imshow("orininal", img)

img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([img2], [0, 1], None, [180, 256], [0,180,0,256])

cv2.namedWindow("2DHist", cv2.WINDOW_NORMAL)
cv2.imshow("2DHist", hist)

cv2.waitKey(0)
cv2.destroyAllWindows()

plt.imshow(hist, interpolation = "nearest")    # 绘制颜色直方图
plt.show()                                     # 显示颜色直方图

cv2.calcHist()函数返回的颜色直方图是一个大小为180*256的二维数组,用cv2.imshow()函数显示时是一副灰度图像,不能直接显示出颜色的分布情况。

可以使用matplotlib.pyplot.imshow()函数绘制具有不同颜色的二维直方图。

二、Numpy中的二维直方图

Numpy的np.histogram2d()函数用于计算二维直方图,其基本格式如下:

hist, xedges, yedges = np.histogram2d(x, y, bins, range)

hist为返回的直方图

xedges为返回的x的直方图的BINS边界值

yedges为返回的y的直方图的BINS边界值

xy为原图对应通道转换成的一维数组

bins为BINS的值, 如[180,256]

range为像素范围, 格式为[[0, 180],[0, 256]]

img = cv2.imread("building.jpg")
cv2.imshow("orininal", img)

img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(img2)

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

cv2.imshow("2DHist", hist)

cv2.waitKey(0)
cv2.destroyAllWindows()

plt.imshow(hist, interpolation = "nearest")
plt.show()

可以使用matplotlib.pyplot.imshow()函数绘制具有不同颜色的二维直方图。

三、直方图示例

1、使用Numpy函数计算直方图

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

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

plt.figure(figsize = (25,25))
imgrgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)        
plt.subplot(2, 2, 1)                                  
plt.title("Original")
plt.axis("off")
plt.imshow(imgrgb)

histb, e1 = np.histogram(img[0].ravel(), 256, [0, 255])   #计算B通道直方图
histg, e2 = np.histogram(img[1].ravel(), 256, [0, 255])   #计算G通道直方图
histr, e3 = np.histogram(img[2].ravel(), 256, [0, 255])   #计算R通道直方图
plt.subplot(2, 2, 2)
plt.plot(histb, color = "b")              
plt.plot(histg, color = "g")              
plt.plot(histr, color = "r")              
plt.title("Hist")


img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)           #转换色彩空间为HSV
h, s, v = cv2.split(img2)
hist, x, y=np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180], [0, 256]])        #计算颜色直方图
plt.subplot(2, 2, 3)
plt.title("2Dhist")                                 #设置子图窗口标题
plt.imshow(hist, interpolation = "nearest",cmap = "gray")                                    #绘制颜色直方图
plt.show()                                          #显示颜色直方图

2、使用OpenCV函数计算直方图

# 2.使用OpenCV函数计算直方图
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread("flower.jpg")

plt.figure(figsize = (25,25))
imgrgb=cv2.cvtColor(img, cv2.COLOR_BGR2RGB)         
plt.subplot(2, 2, 1)                           
plt.imshow(imgrgb)
plt.title("Original")                         
plt.axis("off")

histb = cv2.calcHist([img], [0], None, [256], [0,255])   #计算B通道直方图
histg = cv2.calcHist([img], [1], None, [256], [0,255])   #计算G通道直方图
histr = cv2.calcHist([img], [2], None, [256], [0,255])   #计算R通道直方图
plt.subplot(2, 2, 2)
plt.plot(histb, color= "b") 
plt.plot(histg, color= "g") 
plt.plot(histr, color= "r")  
plt.title("Hist") 


img2=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([img2], [0, 1], None, [180, 256], [0, 180, 0, 256])   
plt.subplot(2, 2, 3)
plt.title("2Dhist")                                 #设置子图窗口标题
plt.imshow(hist,interpolation = "nearest",cmap = "gray")                                    #绘制颜色直方图
plt.show()                                          #显示颜色直方图

到此这篇关于深入了解Python二维直方图的文章就介绍到这了,更多相关Python 二维直方图内容请搜索云海天教程以前的文章或继续浏览下面的相关文章希望大家以后多多支持云海天教程!