如何构建二维直方图？

转载于如何构建二维直方图？

在上一篇博客中，我们讨论了一维直方图，其中我们分别分析每个通道。假设我们想要找到图像通道之间的相关性，假设我们有兴趣找到某种颜色在图像中出现的次数。在这种情况下，一维直方图将无法胜任，因为它无法显示两个通道之间确切位置处的强度关系。

为了解决这个问题，我们需要多维直方图，例如 2D 或 3D。借助 2D 直方图，我们可以用2个组合（RG、GB、BR）或3D直方图一起分析通道。

让我们看看什么是二维直方图以及如何使用 OpenCV Python 构建它。

二维直方图对强度组合的出现进行计数。

下图显示了一个2D直方图

这里，Y 和 X 轴对应于红色和绿色通道范围（对于 8 位，[0,255]），直方图中的每个点显示对应于每个 R 和 G 对的频率。频率在这里用颜色编码，否则，将需要另一个维度。

让我们通过一个简单的例子来了解如何构建二维直方图。

假设我们有 4×4、2 位的红色和绿色通道图像（如下所示），并且我们想要绘制它们的二维直方图。

• 首先，我们分别在 X 轴和 Y 轴上绘制 R 和 G 通道范围（此处为 [0,3]）。这将是我们的二维直方图。

• 然后，循环通道内的每个位置，找到相应的强度对频率并将其绘制在二维直方图中。然后对这些频率进行颜色编码，以便于可视化。

现在，让我们看看如何使用 OpenCV-Python 构建二维直方图

我们使用与一维直方图相同的函数cv2.calcHist()。只需更改以下参数即可，其余相同。

• 通道：[0,1] 表示（蓝色，绿色），[1,2] 表示（G，R），[0,2] 表示（B，R）。

• bins：根据您的需要指定每个通道。例如[256,256]。

• 范围：8 位图像的 [0,256,0,256]。

下面是使用 OpenCV-Python 的示例代码

绘制二维直方图时始终使用最近邻插值。

使用 RGB 通道绘制 2D 直方图不是一个好的选择，因为我们无法仅使用 2 个通道提取颜色信息。尽管如此，这仍然可以用于查找通道之间的相关性、查找削波或强度比例等。

为了提取颜色信息，我们需要一个颜色模型，其中两个分量/通道可以单独表示图像的色度（颜色）。其中一种颜色模型是 HSV，其中 H 和 S 告诉我们光的颜色。因此，首先将图像从 BGR 转换为 HSV，然后应用上面的代码。