OpenCVPython系列之2D直方图

在之前的教程中，我们介绍了OpenCV的一维直方图，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，我们通常输入灰度图像。 但是在二维直方图中，我们要考虑两个特征。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。

它非常简单，并且使用相同的函数 cv.calcHist ()进行计算。 对于彩色直方图，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。

虽然我们在上一个教程中简述了彩色图像的直方图均值化，但是并未进行详述，其本质属于二维直方图，但同样的，它也可以进行均值化。

我们来看代码：

def twohist(img):
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
    cv2.imshow("img",img)
    cv2.imshow("res",hist)

]

不仅仅是OpenCV可以绘制二维直方图，我么能用Numpy仍然可以完成，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())。

来看代码：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread(cat.jpg')
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256]])

我们刚刚使用了OpenCV进行绘制二维直方图，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。

现在我们将使用Matplotlib进行绘图，matplotlib.pyplot.imshow()函数可以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。

我们来看代码：

def plthist(img):
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
    plt.imshow(hist, interpolation='nearest')
    plt.show()

我们仍然使用刚刚那副猫咪的图像，来看结果：

在直方图中，我们可以在H = 0和S = 40附近看到一些较高的值。它对应于猫咪的黑色。同样，在H = 50和S = 20附近可以看到另一个峰值。它对应于猫咪的黄色。

本次教程我们讨论的就是这些，相比较而言，并不复杂，但是相当有用，至于具体的用途，我们将在后续介绍，现在还为时过早。