H-S二维直方图的绘制/2D直方图

视频讲解如下：

在本章节中给大家演示H-S二维直方图的绘制，当前代码同样是在毛星云的代码基础上进行扩展优化的。

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

首先呢，我们需要准备一张测试图片。（不想下载工程的童鞋，可直接复制下面的图片和代码）

C#、C++、Python三种版本的执行效果对比如下：

C#版本代码如下：

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;
using System;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // 载入源图，转化为HSV颜色模型
            Mat srcImage = Cv2.ImRead("../../../images/Astral2.jpg");
            if (srcImage.Empty())
            {
                Console.WriteLine("Could not open or find the image!");
                return;
            }
            Mat hsvImage = new Mat();
            Cv2.CvtColor(srcImage, hsvImage, ColorConversionCodes.BGR2HSV);

            //【2】参数准备
            //将色调量化为30个等级，将饱和度量化为32个等级
            int hueBinNum = 30;//色调的直方图直条数量
            int saturationBinNum = 32;//饱和度的直方图直条数量
            int[] histSize = { hueBinNum, saturationBinNum };
            // 定义色调的变化范围为0到179
            Rangef hueRanges = new Rangef(0, 180);
            //定义饱和度的变化范围为0（黑、白、灰）到255（纯光谱颜色）
            Rangef saturationRanges = new Rangef(0, 256);
            Rangef[] ranges = { hueRanges, saturationRanges };
            Mat dstHist = new Mat();
            //参数准备，calcHist函数中将计算第0通道和第1通道的直方图
            int[] channels = { 0, 1 };

            //【3】正式调用calcHist，进行直方图计算
            Cv2.CalcHist(new Mat[] { hsvImage },//输入的数组
                channels,//通道索引
                null, //不使用掩膜
                dstHist, //输出的目标直方图
                2, //需要计算的直方图的维度为2
                histSize, //存放每个维度的直方图尺寸的数组
                ranges,//每一维数值的取值范围数组
                true, // 指示直方图是否均匀的标识符，true表示均匀的直方图
                false);//累计标识符，false表示直方图在配置阶段会被清零

            //【4】为绘制直方图准备参数
            double minValue = 0;//最小值
            double maxValue = 0;//最大值
            Cv2.MinMaxLoc(dstHist, out minValue, out maxValue); //查找数组和子数组的全局最小值和最大值存入maxValue中
            int scale = 10;
            Mat histImg = new Mat(saturationBinNum * scale, hueBinNum * 10, MatType.CV_8UC3);

            //【5】双层循环，进行直方图绘制
            for (int hue = 0; hue < hueBinNum; hue++)
                for (int saturation = 0; saturation < saturationBinNum; saturation++)
                {
                    float binValue = dstHist.At<float>(hue, saturation);//直方图组距的值
                    int intensity = (int)Math.Round(binValue * 255 / maxValue);//强度

                    //绘制矩形
                    Cv2.Rectangle(histImg, new Point(hue * scale, saturation * scale),
                        new Point((hue + 1) * scale - 1, (saturation + 1) * scale - 1),
                        intensity, -1);
                }

            //【6】显示效果图
            Cv2.ImShow("素材图", srcImage);
            Cv2.ImShow("H-S 直方图", histImg);
            Cv2.WaitKey(0);
        }
    }
}

C++版本代码如下：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

int main()
{
    //【1】载入源图，转化为HSV颜色模型
    Mat srcImage, hsvImage;
    srcImage = imread("../images/Astral2.jpg");
    cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);

    //【2】参数准备
    //将色调量化为30个等级，将饱和度量化为32个等级
    int hueBinNum = 30;//色调的直方图直条数量
    int saturationBinNum = 32;//饱和度的直方图直条数量
    int histSize[] = { hueBinNum, saturationBinNum };
    // 定义色调的变化范围为0到179
    float hueRanges[] = { 0, 180 };
    //定义饱和度的变化范围为0（黑、白、灰）到255（纯光谱颜色）
    float saturationRanges[] = { 0, 256 };
    const float* ranges[] = { hueRanges, saturationRanges };
    MatND dstHist;
    //参数准备，calcHist函数中将计算第0通道和第1通道的直方图
    int channels[] = { 0, 1 };

    //【3】正式调用calcHist，进行直方图计算
    calcHist(&hsvImage,//输入的数组
        1, //数组个数为1
        channels,//通道索引
        Mat(), //不使用掩膜
        dstHist, //输出的目标直方图
        2, //需要计算的直方图的维度为2
        histSize, //存放每个维度的直方图尺寸的数组
        ranges,//每一维数值的取值范围数组
        true, // 指示直方图是否均匀的标识符，true表示均匀的直方图
        false);//累计标识符，false表示直方图在配置阶段会被清零

    //【4】为绘制直方图准备参数
    double maxValue = 0;//最大值
    minMaxLoc(dstHist, 0, &maxValue, 0, 0);//查找数组和子数组的全局最小值和最大值存入maxValue中
    int scale = 10;
    Mat histImg = Mat::zeros(saturationBinNum * scale, hueBinNum * 10, CV_8UC3);

    //【5】双层循环，进行直方图绘制
    for (int hue = 0; hue < hueBinNum; hue++)
        for (int saturation = 0; saturation < saturationBinNum; saturation++)
        {
            float binValue = dstHist.at<float>(hue, saturation);//直方图组距的值
            int intensity = cvRound(binValue * 255 / maxValue);//强度

            //正式进行绘制
            rectangle(histImg, Point(hue * scale, saturation * scale),
                Point((hue + 1) * scale - 1, (saturation + 1) * scale - 1),
                intensity,FILLED);
        }

    //【6】显示效果图
    imshow("素材图", srcImage);
    imshow("H-S 直方图", histImg);

    waitKey(0);
}

Python版本代码如下：

import cv2
import numpy as np

# 载入源图，转化为HSV颜色模型
srcImage = cv2.imread('../images/Astral2.jpg')
hsvImage = cv2.cvtColor(srcImage, cv2.COLOR_BGR2HSV)

# 参数准备
hueBinNum = 30  # 色调的直方图直条数量
saturationBinNum = 32  # 饱和度的直方图直条数量
histSize = [hueBinNum, saturationBinNum]
dstHist = cv2.calcHist([hsvImage], [0, 1], None, histSize, [0, 180, 0, 256])

# 查找数组和子数组的全局最小值和最大值存入maxValue中
maxValue = cv2.minMaxLoc(dstHist)

# 网上的一种方法
# dstHist2 = (255*dstHist/maxValue[1]).astype(np.uint8)

scale = 10
histImg = np.zeros((saturationBinNum * scale, hueBinNum * 10, 3), np.uint8)

# 双层循环，进行直方图绘制
for hue in range(hueBinNum):
    for saturation in range(saturationBinNum):
        binValue = dstHist[hue, saturation]  # 直方图组距的值
        intensity = round(binValue * 255 / maxValue[1])

        # 绘制矩形
        cv2.rectangle(histImg, (hue * scale, saturation * scale),
                      ((hue + 1) * scale - 1, (saturation + 1) * scale - 1),
                      intensity, -1)

# 显示效果图
cv2.imshow('srcImage', srcImage)
cv2.imshow('histImg', histImg)
cv2.waitKey(0)

在python版本中，可以利用matplotlib来显示我们的直方图数据，以下demo的详细说明，请参考pdf

参考来源：OpenCV-Python-Tutorial-中文版.pdf（P137 绘制2D直方图）

在线预览

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

img = cv2.imread('../images/Astral2.jpg')

hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0, 1], None, [30, 32], [0, 180, 0, 256])

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

Numpy同样提供了绘制2D直方图的函数 np.histogram2d()。

绘制1D直方图时我们使用的是 np.histogram() 。

备注：当前demo在pdf教程中尚未提供图像显示方法。

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

img = cv2.imread('../images/Astral2.jpg')
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

h, s, v = cv2.split(hsv)
hist, xbins, ybins = np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180], [0, 256]])