本文介绍了python OpenCV学习笔记实现二维直方图，分享给大家，具体如下：

官方文档 – https://docs.opencv.org/3.4.0/dd/d0d/tutorial_py_2d_histogram.html

在前一篇文章中，我们计算并绘制了一维的直方图。它被称为一维，因为我们只考虑一个特性，即像素的灰度强度值。但是在二维直方图中，你可以考虑两个特征。通常它用于寻找颜色直方图，其中两个特征是每个像素的色调和饱和度值。
有一个python样例(samples/python/color_histogram.py)，用于查找颜色直方图。我们将尝试理解如何创建这样的彩色直方图，它将有助于理解像直方图反向投影这样的更深入的主题。

OpenCV中的二维直方图

它非常简单，并且使用相同的函数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，对于一维的直方图，我们从BGR转换为灰度)。对于2D直方图，它的参数将被修改如下：

channels = [0，1]：因为我们需要同时处理H（色调Hue）和S（饱和度Saturation）。

bins = [180,256]：180对应H，256对应S。

range = [0,180,0,256]：色调值介于0到180之间，饱和度介于0到256之间。

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])

Numpy中的二维直方图

Numpy同样提供特有的函数，np.histogram2d()（记住，对于一维直方图，用函数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bins的数量，第四个是它们的范围。

绘制二维直方图

方法1：使用cv.imshow()

我们得到的结果是一个二维数组大小为180x256。因此，我们可以像往常一样使用cv.imshow()函数来显示它们。它将是一个灰度图像，它不会告诉你什么颜色，除非你知道不同颜色的色调。

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映射的2D直方图。它给我们提供了一个更好的关于不同像素密度的想法。但这也不能让我们知道第一眼看到的是什么颜色，除非你知道不同颜色的色调。这很简单，也更好。

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

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

下面是输入图像和它的彩色直方图图。X轴表示S值（饱和度），Y轴表示色调。

在直方图中，你可以看到H=100和S=200附近的一些高值。它对应于天空的蓝色。同样，在H=25和S=100附近也可以看到另一个峰值。它对应着宫殿的黄色。您可以使用像GIMP这样的图像编辑工具来验证它。

方法3：OpenCV sample style

在Opencv-Python2样本中有一个用于颜色直方图的示例代码(samples/python/color_histogram.py)。如果您运行代码，您可以看到直方图显示相应的颜色。或者简单地输出一个颜色编码的直方图。它的结果非常好(尽管您需要添加一些额外的行)。
在这段代码中，作者在HSV中创建了一个彩色地图。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移除小的孤立像素，从而形成一个良好的直方图。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持【听图阁-专注于Python设计】。