前言

本节我们会学习如何绘制 2D 直方图，我们会在下一节中使用到它。

一、介绍

在前面的部分我们介绍了如何绘制一维直方图，之所以称为一维，是因为我们只考虑了图像的一个特征：灰度值。但是在 2D 直方图中我们就要考虑两个图像特征。对于彩色图像的直方图通常情况下我们需要考虑每个的颜色（Hue）和饱和度（Saturation）。根据这两个特征绘制 2D 直方图。

OpenCV 的官方文档中包含一个创建彩色直方图的例子。本节就是要和大家一起来学习如何绘制颜色直方图，这会对我们下一节学习直方图投影有所帮助

二、OpenCV 中的 2D 直方图

使用函数 cv2.calcHist() 来计算直方图既简单又方便。如果要绘制颜色直方图的话，我们首先需要将图像的颜色空间从 BGR 转换到 HSV。（记住，计算一维直方图，要从 BGR 转换到 HSV）。计算 2D 直方图，函数的参数要做如下修改：

• channels=[0，1] 因为我们需要同时处理 H 和 S 两个通道。

• bins=[180，256] H 通道为 180，S 通道为 256。

• range=[0，180，0，256] H 的取值范围在 0 到 180，S 的取值范围在 0 到 256。

代码如下：

# -*- coding: utf-8 -*-
import cv2
img = cv2.imread('home.png')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])

三、Numpy 中 2D 直方图

Numpy 同样提供了绘制 2D 直方图的函数：np.histogram2d()。（还记得吗，绘制 1D 直方图时我们使用的是 np.histogram()）。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
img = cv2.imread('home.png')
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(hsv)
hist, xbins, ybins = np.histogram2d(h.ravel(),s.ravel(),[180,256],[[0,180],[0,256]])

第一个参数是 H 通道，第二个参数是 S 通道，第三个参数是 bins 的数目，第四个参数是数值范围。
现在我们要看看如何绘制颜色直方图。

四、绘制 2D 直方图

方法 1：使用 cv2.imshow() 我们得到结果是一个 180x256 的两维数组。所以我们可以使用函数 cv2.imshow() 来显示它。但是这是一个灰度图，除非我们知道不同颜色 H 通道的值，否则我们根本就不知道那到底代表什么颜色。

方法 2：使用 Matplotlib() 我们还可以使用函数 matplotlib.pyplot.imshow()来绘制 2D 直方图，再搭配上不同的颜色图（color_map）。这样我们会对每个点所代表的数值大小有一个更直观的认识。但是跟前面的问题一样，你还是不知道那个数代表的颜色到底是什么。虽然如此，我还是更喜欢这个方法，它既简单又好用。

注意：在使用这个函数时，要记住设置插值参数为 nearest。

代码如下：

b, g, r = cv2.split(img)
img2 = cv2.merge([r,g,b])
plt.figure()
plt.subplot(121)
plt.imshow(img2, interpolation='bicubic')
plt.xticks([]), plt.yticks([])  # to hide tick values on X and Y axis
plt.subplot(122)
hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
plt.imshow(hist, interpolation='nearest')
plt.show()

下面是输入图像和颜色直方图。X 轴显示 S 值，Y 轴显示 H 值。

在直方图中，你可以看到在 H=100，S=100 附近有比较高的值。这部分与天的蓝色相对应。同样另一个峰值在 H=25 和 S=100 附近。这一宫殿的黄色相对应。你可用通过使用图像编辑软件（GIMP）修改图像，然后在绘制直方图看看我说的对不对。