在本章中，我們將學習查找和繪製2D直方圖。這將在以後的章節中有所幫助。
在第一篇文章中，我們計算並繪製了一維直方圖。 之所以稱為一維，是因為我們僅考慮一個特徵，即像素的灰度強度值。 但是在二維直方圖中，您要考慮兩個特徵。 通常，它用於查找顏色直方圖，其中兩個特徵是每個像素的色相和飽和度值。
已經有一個python示例（samples / python / color_histogram.py）用於查找顏色直方圖。 我們將嘗試了解如何創建這種顏色直方圖，這對於理解諸如直方圖反向投影之類的更多主題將很有用。
它非常簡單，並且使用相同的函數cv.calcHist()進行計算。 對於顏色直方圖，我們需要將圖像從BGR轉換為HSV。（請記住，對於一維直方圖，我們從BGR轉換為灰度）。對於二維直方圖，其參數將進行如下修改：
現在檢查以下代碼：
import numpy as npimport cv2 as cvimg = cv.imread('home.jpg')hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])就是這樣。
Numpy還為此提供了一個特定的函數:np.histogram2d()。(記住，對於一維直方圖我們使用了np.histogram())。
import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = 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]])第一個參數是H平面，第二個是S平面，第三個是每個箱子的數量，第四個是它們的範圍。
現在我們可以檢查如何繪製這個顏色直方圖。
方法1：使用 cv.imshow()
我們得到的結果是尺寸為80x256的二維數組。因此，可以使用cv.imshow()函數像平常一樣顯示它們。它將是一幅灰度圖像，除非您知道不同顏色的色相值，否則不會對其中的顏色有太多了解。
方法2：使用Matplotlib
我們可以使用matplotlib.pyplot.imshow()函數繪製具有不同顏色圖的2D直方圖。它使我們對不同的像素密度有了更好的了解。但是，除非您知道不同顏色的色相值，否則乍一看並不能使我們知道到底是什麼顏色。我還是更喜歡這種方法。它簡單而更好。
注意
使用此功能時，請記住，插值法應採用最近鄰以獲得更好的結果。
考慮下面的代碼：
import numpy as npimport cv2 as cvfrom matplotlib import pyplot as pltimg = 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()下面是輸入圖像及其顏色直方圖。X軸顯示S值，Y軸顯示色相。
在直方圖中，您可以在H = 100和S = 200附近看到一些較高的值。它對應於天空的藍色。同樣，在H = 25和S = 100附近可以看到另一個峰值。它對應於宮殿的黃色。您可以使用GIMP等任何圖像編輯工具進行驗證。
方法3：OpenCV示例樣式
OpenCV-Python2示例中有一個顏色直方圖的示例代碼(samples / python / color_histogram.py)。如果運行代碼，則可以看到直方圖也顯示了相應的顏色。或者簡單地，它輸出顏色編碼的直方圖。其結果非常好（儘管您需要添加額外的線束）。
在該代碼中，作者在HSV中創建了一個顏色圖。然後將其轉換為BGR。將所得的直方圖圖像與此顏色圖相乘。他還使用一些預處理步驟來刪除小的孤立像素，從而獲得良好的直方圖。
我將其留給讀者來運行代碼，對其進行分析並擁有自己的解決方法。下面是與上面相同的圖像的代碼輸出：
您可以在直方圖中清楚地看到存在什麼顏色，那裡是藍色，那裡是黃色，並且由於棋盤的存在而有些白色。很好！