只统计像素的灰度值这一特征，可将其成为一维直方图。二维直方图可以统计像素的色相和饱和度，用于查找图像的颜色直方图。
OpenCV仍然使用cv2.calcHist()函数来查找图像的颜色直方图，只是在指定参数时与之前有所区别。
cv2.calcHist()函数的基本格式如下：
hist =cv2.calcHist(image, channels, mask, histSize, ranges)
image参数指定的原图像应从BGR色彩空间转换为HSV色彩空间, 实际参数需要用方括号括起来
channels参数设置为[0,1]时, 表示同时处理色相和饱和度
histSize参数设置BINS值为[180,256]时, 表示色相为180, 饱和度为256
ranges参数设置为[0,180,0,256]时, 表示色相的取值范围为[0,180], 饱和度的取值范围为[0,2565]
cv2.calcHist()函数返回的颜色直方图可以直接使用cv2.show()函数显示。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('XIAN.jpg')
cv2.namedWindow('orininal', cv2.WINDOW_NORMAL)
cv2.imshow('orininal', img)
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([img2], [0, 1], None, [180, 256], [0,180,0,256])
cv2.namedWindow('2DHist', cv2.WINDOW_NORMAL)
cv2.imshow('2DHist', hist)
cv2.waitKey(0)
cv2.destroyAllWindows()
plt.imshow(hist, interpolation = 'nearest') # 绘制颜色直方图
plt.show() # 显示颜色直方图
cv2.calcHist()函数返回的颜色直方图是一个大小为180*256的二维数组，用cv2.imshow()函数显示时是一副灰度图像，不能直接显示出颜色的分布情况。
可以使用matplotlib.pyplot.imshow()函数绘制具有不同颜色的二维直方图。
Numpy的np.histogram2d()函数用于计算二维直方图，其基本格式如下：
hist, xedges, yedges = np.histogram2d(x, y, bins, range)
hist为返回的直方图
xedges为返回的x的直方图的BINS边界值
yedges为返回的y的直方图的BINS边界值
x和y为原图对应通道转换成的一维数组
bins为BINS的值, 如[180,256]
range为像素范围, 格式为[[0, 180],[0, 256]]
img = cv2.imread('building.jpg')
cv2.imshow('orininal', img)
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
h, s, v = cv2.split(img2)
hist, x, y = np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180],[0, 256]])
cv2.imshow('2DHist', hist)
cv2.waitKey(0)
cv2.destroyAllWindows()
plt.imshow(hist, interpolation = 'nearest')
plt.show()
可以使用matplotlib.pyplot.imshow()函数绘制具有不同颜色的二维直方图。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('home.jpg')
plt.figure(figsize = (25,25))
imgrgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.subplot(2, 2, 1)
plt.title('Original')
plt.axis('off')
plt.imshow(imgrgb)
histb, e1 = np.histogram(img[0].ravel(), 256, [0, 255]) #计算B通道直方图
histg, e2 = np.histogram(img[1].ravel(), 256, [0, 255]) #计算G通道直方图
histr, e3 = np.histogram(img[2].ravel(), 256, [0, 255]) #计算R通道直方图
plt.subplot(2, 2, 2)
plt.plot(histb, color = 'b')
plt.plot(histg, color = 'g')
plt.plot(histr, color = 'r')
plt.title('Hist')
img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) #转换色彩空间为HSV
h, s, v = cv2.split(img2)
hist, x, y=np.histogram2d(h.ravel(), s.ravel(), [180, 256], [[0, 180], [0, 256]]) #计算颜色直方图
plt.subplot(2, 2, 3)
plt.title('2Dhist') #设置子图窗口标题
plt.imshow(hist, interpolation = 'nearest',cmap = 'gray') #绘制颜色直方图
plt.show() #显示颜色直方图
# 2.使用OpenCV函数计算直方图
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('flower.jpg')
plt.figure(figsize = (25,25))
imgrgb=cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.subplot(2, 2, 1)
plt.imshow(imgrgb)
plt.title('Original')
plt.axis('off')
histb = cv2.calcHist([img], [0], None, [256], [0,255]) #计算B通道直方图
histg = cv2.calcHist([img], [1], None, [256], [0,255]) #计算G通道直方图
histr = cv2.calcHist([img], [2], None, [256], [0,255]) #计算R通道直方图
plt.subplot(2, 2, 2)
plt.plot(histb, color= 'b')
plt.plot(histg, color= 'g')
plt.plot(histr, color= 'r')
plt.title('Hist')
img2=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([img2], [0, 1], None, [180, 256], [0, 180, 0, 256])
plt.subplot(2, 2, 3)
plt.title('2Dhist') #设置子图窗口标题
plt.imshow(hist,interpolation = 'nearest',cmap = 'gray') #绘制颜色直方图
plt.show() #显示颜色直方图
