如何深入了解Python二维直方图
本篇文章给大家分享的是有关如何深入了解Python二维直方图，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。
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 cv2import numpy as npimport matplotlib.pyplot as pltimg = 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
x和y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 cv2import numpy as npimport matplotlib.pyplot as pltimg = 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HSVh, 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 cv2import numpy as npimport matplotlib.pyplot as pltimg = 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() #显示颜色直方图以上就是如何深入了解Python二维直方图，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注行业资讯频道。
