Einführung

Ich beschäftige mich mit Bildern und wollte die Informationen aus RGB- und HSV-Histogrammen als Merkmale verwenden. Also habe ich versucht, das Histogramm mit ** OpenCV ** zu extrahieren. Ich werde es als Memo hinterlassen.

Histogramm

Eine Membran kann als Graph oder Plot betrachtet werden, um die Gesamtverteilung der Pixelwerte in einem Bild zu kennen. Im Allgemeinen ist die horizontale Achse der Pixelwert und die vertikale Achse ist die Häufigkeit des Auftretens des Pixelwerts. Die Visualisierung des Histogramms ist eine Möglichkeit, das Bild zu verstehen. `

Was ist der Unterschied zwischen RGB und HSV?

RGB

RGB ist eine Abkürzung für Rot, Grün und Blau. Diese drei Farben werden als "drei Primärfarben des Lichts" bezeichnet und können mit braunen Röhren, Flüssigkristallmonitoren usw. verwendet werden. Es ist eine Methode zum Ausdrücken. Da für jede Primärfarbe 256 Dunkelheitsstufen eingestellt werden können, können 16.777.216 verschiedene Farben von 256 Würfeln ausgedrückt werden.

HSV

HSV ist eine Methode zum Ausdrücken von Farbe mit drei Elementen: Farbton, Sättigung und Wert / Helligkeit. ** Farbton **: Farbtonring (Farbtonring) Die Form des Rings oder angezeigt im Bereich von 0 bis 360 Grad ** Sättigung **: Grad der Lebendigkeit der Farbe: Je niedriger der Wert, desto niedriger die Sättigung und je höher der Wert, desto höher die Sättigung. ** Helligkeit **: Helligkeitsgrad der Farbe: Wenn der Wert niedrig ist, wird er dunkel, und wenn er hoch ist, wird er hell.

Bilder laden

Beachten Sie beim Laden von Bildern die folgenden Punkte.

1. Laden mit OpenvCV

import cv2

img = cv2.imread("sample.jpg ")

In diesem Fall ist img "BGR". Wenn Sie in "RGB" konvertieren möchten, können Sie es mit der folgenden Methode konvertieren.

img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

2. Laden mit Kissen

from PIL import Image

img = Image.open("sample.jpg ")

Beim Lesen mit Kissen kann es mit RGB gelesen werden.

Eine Funktion, die RGB und HSV durch Angabe eines Bildes zurückgibt

Implementierte eine Funktion, die ein Histogramm von R, G, B, H, S, V zurückgibt, wenn ein Bild in Python übergeben wird. Das Ergebnis der Ausführung mit jupyter wird ebenfalls veröffentlicht.


def show_img(path):

    img = cv2.imread(path)
    b, g, r = img[:,:,0], img[:,:,1], img[:,:,2]
    hist_b = cv2.calcHist([b],[0],None,[256],[0,256])
    hist_g = cv2.calcHist([g],[0],None,[256],[0,256])
    hist_r = cv2.calcHist([r],[0],None,[256],[0,256])
    plt.plot(hist_r, color='r', label="r")
    plt.plot(hist_g, color='g', label="g")
    plt.plot(hist_b, color='b', label="b")
    plt.legend()
    plt.show() 
    img2 = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    h, s, v = img2[:,:,0], img2[:,:,1], img2[:,:,2]
    hist_h = cv2.calcHist([h],[0],None,[256],[0,256])
    hist_s = cv2.calcHist([s],[0],None,[256],[0,256])
    hist_v = cv2.calcHist([v],[0],None,[256],[0,256])
    plt.plot(hist_h, color='r', label="h")
    plt.plot(hist_s, color='g', label="s")
    plt.plot(hist_v, color='b', label="v")
    plt.legend()
    plt.show()
    
    return hist_r,hist_g, hist_b, hist_h, hist_s, hist_v

Dieses Mal werde ich es mit dem folgenden Bild des Hundes versuchen.

r,g,b,h,s,v = show_img("dog.jpeg ")

Screenshot from 2020-01-20 08-45-48.png

Über die Berechnung des Histogramms

OpenCV verwendet die folgenden Funktionen, um das Histogramm zu berechnen.

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

** Bilder **: Eingabebilder. Der Datentyp des Pixelwerts ist entweder uint8 oder float32. Verwenden Sie das Symbol [], um etwas wie "[img]" anzugeben. ** Kanäle **: Index des Kanals des Bildes, für den das Histogramm berechnet wird. Wenn das Eingabebild ein elegantes Bild ist, geben Sie [0] an. Geben Sie für Farbbilder einen der Werte [0], [1] und [2] an, die den Farbtönen von B, G und R entsprechen, für die das Histogramm berechnet wird. ** Maske **: Dies ist ein Maskenbild. Geben Sie "Keine" an, um das Histogramm aller Pixel im Bild zu berechnen. Um das Histogramm eines bestimmten Bereichs im Bild zu berechnen, geben Sie ein Maskenbild an, das den bestimmten Bereich darstellt (ein Beispiel ist unten dargestellt). ** histSize **: Die Anzahl der Fächer. Dieses Argument wird auch mit dem Symbol [] angegeben. Geben Sie [256] an, wenn Sie auf alle Pixelwerte abzielen möchten. ** Bereiche **: BEREICH, der den Bereich der Pixelwerte darstellt, für die Sie das Histogramm messen möchten. Normalerweise geben Sie [0,256] an.

Verweise

Über RGB und CMYK in Farbe
Was ist der HSV-Farbraum
[Hystertischer Teil 1: Berechnen, Plotten und Analysieren !!!](http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc /py_histograms/py_histogram_begins/py_histogram_begins.html)

[PYTHON] So erhalten Sie RGB- und HSV-Histogramme mit OpenCV