這個技術常常用來跟蹤目標，且需要轉換在HSV色彩空間

1.建立2D直方圖

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

def hist2D_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 255])
    plt.imshow(hist, interpolation='nearest')
 

    plt.title('Histogram 2D image')
    plt.show()

src = cv.imread('./data/lena.jpg', 1)
cv.imshow('souce', src)
hist2D_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

calcHist說明

• 其中第一個引數必須用方括號括起來。
• 第二個引數是用於計算直方圖的通道；
• 第三個引數是Mask，這裡沒有使用，所以用None。
• 第四個引數是histSize，表示這個直方圖分成多少份（即多少個直方柱）
• 第五個引數是表示直方圖中各個畫素的值，[0.0, 256.0]表示直方圖能表示畫素值從0.0到256的畫素。
• 最後是兩個可選引數，由於直方圖作為函式結果返回了，所以第六個hist就沒有意義了（待確定）
• 最後一個accumulate是一個布林值，用來表示直方圖是否疊加。

若更改

 hist = cv.calcHist([hsv],[0, 1], None, [32, 32], [0, 180, 0, 255])

有

2.建立直方圖反向投影

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

def hist_projection_demo():
    target = cv.imread(
 
'./data/real-madrid-vs-juventus.png',1)
    sample = cv.imread('./data/violet.png',1)

    sample_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)
    target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV)

    cv.imshow('simple image', sample)
    cv.imshow('target image', target)

    sampleHist = cv.calcHist([sample_hsv], [0, 1], None ,[32, 48], [0, 180, 0, 256])
    cv.normalize(sampleHist,sampleHist,0, 255, cv.NORM_MINMAX)
    dst = cv.calcBackProject([target_hsv], [0,1], sampleHist, [0,180,0,256],1)
    cv.imshow('projectionHistogram image', dst)


def hist2D_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 255])
    plt.imshow(hist, interpolation='nearest')
    plt.title('Histogram 2D image')
    plt.show()


hist_projection_demo()
cv.waitKey(0)
cv.destroyAllWindows()