Histogram¶

영상에서의 Histogram은 image의 intensity (or pixel이 가지는 값)들의 분포를 보여줌.

chart로 표현하기도 하지만
image에 대한 feature에 해당하는 내부적 데이터로 사용하기도함.

image에서 histogram으로 변환은 비가역적 변환 임
(다른 image들도 같은 histogram을 가질 수 있음).

관련 gist URL

Terms¶

BINS :
- 히스토그램 그래프의 X축(intensity)의 bin의 수(histSize)를 결정 .
- 8bit gray scale 영상의 경우에는 0 ~ 255로 intensity가 표현되며, 이 경우 BINS은 최대 256 의 수를 가질 수 있음.
- 만약, BINS값이 16으로 지정할 경우, 0 ~ 15, 16 ~ 31..., 240 ~ 255와 같이 X축이 16개의 bin으로 표현이 됨.
- 이는 intensity가 0~15까지 같은 bin에서 카운팅 됨을 의미!
- OpenCV에서는 BINS를 histSize 라고 표현합니다.
channels :
- 이미지에서 histogram을 만들기 위해 사용하는 값을 의미.
- 빛의 강도(intensity)를 기준으로 histogram을 만들지, RGB값을 기준으로 만들지를 결정.
- DIMS로도 불림.
range :
- X축의 범위임 (각 pixel이 가질 수 있는 범위).
- = X축의 from ~ to.
- 원래의 pixel의 가지는 값보다 작게 지정할 경우, 해당 range의 pixel들만으로 histogram을 만들어냄.

OpenCV's Histogram¶

# 히스토그램 계산
hist = cv.calcHist(
    images=[img],      # 히스토그램을 계산할 이미지 (리스트로 전달)
    channels=[0],      # 계산할 채널 (그레이스케일 이미지에서는 채널 0)
    mask=None,         # 히스토그램을 계산할 마스크 (없으면 None)
    histSize=[256],    # 히스토그램 빈의 개수 (256개의 빈 사용)
    ranges=[0, 256],   # 값의 범위 (0에서 255 사이의 값)
    hist=None,         # 초기 히스토그램 (None이면 새로 계산)
    accumulate=False   # 히스토그램을 누적할지 여부 (False이면 새로 계산)
)

images: 입력 이미지(또는 이미지 리스트).
- 히스토그램을 계산할 이미지.
- 이 값은 List 형태로 전달되며,
- 예를 들어 images=[img]와 같이 사용할 수 있음.
channels: 히스토그램을 계산할 채널.
- 이미지의 채널 인덱스를 지정.
- 예를 들어, 그레이스케일 이미지는 0, 컬러 이미지에서는 0(파란색 채널), 1(녹색 채널), 2(빨간색 채널)을 사용.
mask: 이미지에서 히스토그램을 계산할 영역을 지정하는 마스크.
- 특정 영역만을 대상으로 히스토그램을 계산할 때 사용되는 바이너리 마스크.
- 이미지 전체를 대상으로 히스토그램을 계산할 경우 None으로 설정.
histSize: 히스토그램의 빈(bin) 개수.
- 히스토그램의 각 채널에 대해 계산할 빈의 개수를 지정.
- 일반적으로 histSize=[256]과 같이 설정하여 256개의 빈을 사용할 수 있음.
ranges: 각 채널 값의 범위.
- 히스토그램을 계산할 값의 범위.
- 예를 들어 [0, 256]과 같이 설정하면 픽셀 값이 0에서 255까지의 범위를 대상으로 히스토그램을 계산.
hist: (선택 사항) 초기 히스토그램.
- 이전에 계산된 히스토그램을 입력으로 전달하여 그 값을 기반으로 계산을 계속.
- 보통 None으로 설정.
accumulate: (선택 사항) 히스토그램을 누적할지 여부.
- True로 설정하면 이전의 히스토그램 값에 새로운 값을 누적하여 계산.
- 기본값은 False.

Example¶

#-*- coding:utf-8 -*-
import os,sys
import cv2
import numpy as np
import random
from matplotlib import pyplot as plt

import requests

def ds_url_imread(url):
    t0 = requests.get(url)# requests.models.Response 
    t1 = t0.content       # bytes (immutable) 
    t2 = bytearray(t1)    # bytearray (mutable)
    t3 = np.asarray(t2, dtype=np.uint8) #ndarray
    img = cv2.imdecode(t3, cv2.IMREAD_UNCHANGED)
    return img

# to histogram with intensity of pixel, load image with cv2.IMREAD_GRAY 

url = 'https://raw.githubusercontent.com/dsaint31x/OpenCV_Python_Tutorial/master/images/flower1.jpg'
img1 = ds_url_imread(url)
assert img1 is not None, "file could not be read, check with os.path.exists()"

url = 'https://raw.githubusercontent.com/dsaint31x/OpenCV_Python_Tutorial/master/images/flower2.jpg'
img2 = ds_url_imread(url)
assert img2 is not None, "file could not be read, check with os.path.exists()"

img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)


hist1 = cv2.calcHist(
            [img1],
            [0],
            None,
            [256],
            [0,256],
     )
hist2 = cv2.calcHist(
            [img2],
            [0],
            None,
            [256],
            [0,256],
     )

fig, axes = plt.subplots(2,2, figsize=(10,10))
axes[0,0].imshow(img1, cmap='gray')
axes[0,0].set_title('Red Line')
axes[0,1].imshow(img2, cmap='gray')
axes[0,1].set_title('Green Line')
axes[1,0].plot(hist1, color='r')
axes[1,0].set_title('Red Line')
axes[1,1].plot(hist2, color='g')
axes[1,1].set_title('Green Line')
axes[1,0].axvline(x=60, color='b', linestyle='--', linewidth=2)
plt.show()

# ---------
hist3 = cv2.calcHist(
            [img1],
            [0],
            None,
            [61],
            [0,61],
     )
plt.figure()
plt.plot(hist3, color='red')
plt.axvline(x=60, color='b', linestyle='--', linewidth=2)
plt.show()

MASK 사용하기.¶

#-*-coding:utf-8-*-
import cv2
import numpy as np
from matplotlib import pyplot as plt
import os


url = 'https://raw.githubusercontent.com/dsaint31x/OpenCV_Python_Tutorial/master/images/lena.png'
img = ds_url_imread(url)
assert img is not None, "file could not be read, check with os.path.exists()"


# mask생성
mask = np.zeros(img.shape[:2],np.uint8)
mask[100:300,100:400] = 255

# 이미지에 mask가 적용된 결과
masked_img = cv2.bitwise_and(img,img,mask=mask)

# 원본 이미지의 히스토그램 green
hist_full = cv2.calcHist([img],[1],None,[256],[0,256])

# mask를 적용한 히스트로그램 green
hist_mask = cv2.calcHist([img],[1],mask,[256],[0,256])

fig, axs = plt.subplots(2,2, figsize=(10,10))

axs[0,0].imshow(img[...,::-1])
axs[0,0].set_title('Original Image(red)')
axs[0,0].set_xticks([])
axs[0,0].set_yticks([])
axs[1,0].imshow(masked_img[...,::-1])
axs[1,0].set_title('Masked Image(blue)')
axs[1,0].set_xticks([])
axs[1,0].set_yticks([])
axs[0,1].imshow(mask, cmap='gray')
axs[0,1].set_title('Mask')
axs[0,1].set_xticks([])
axs[0,1].set_yticks([])

# red는 원본이미지 히스토그램, blue는 mask적용된 히스토그램
axs[1,1].plot(hist_full, color='r')
axs[1,1].plot(hist_mask, color='b')
axs[1,1].set_xlim([0,256])
axs[1,1].set_title('Histogram')

fig.set_tight_layout(True)
plt.show()

Histogram Calculation in NumPy¶

hist,bin_edges = np.histogram(
    img.ravel(),
    bins = 256,
    range = [0,256],
    weights = None,
    density = False,
)

img :
- 대상 image.
- NumPy는 1D-array로 동작시키기 위해 ravel을 사용함.
- a라고 불림
bins :
- of bins¶
- 256으로 설정하여 0~255까지의 픽셀 값을 256개의 구간
range :
- floating point 로 주어짐.
- [min, max) 로 range를 할당.
- 기본은 [a.min(), a.max()]임.
weights :
- a와 같은 크기로 각 bin의 가중치임.
- None으로 설정하여 가중치를 적용하지 않음.
density :
- True이면 probability로 출력
- 히스토그램을 정규화할지 여부를 지정

반환값

hist : histogram
bin_edges : bin을 나누는 edge들이라 bins+1에 대응.

2D Histograms¶

Depth(or Channel, Feature)가 1개인 경우엔 앞서 다룬 1 Dimensional Histogram을 구성하지만,
feature가 2개인 경우엔 2D Histogram으로 처리할 수 있다.

Color space에서 HSV model을 생각해보면,

V는 앞서 다룬 Intensity이고,
color에 해당하는 Hue와 Saturation을 2D Histogram으로 처리 가능하다.

(RGB를 이용하여 3D histogram도 가능은 하지만 많이 사용되지는 않는다.)

Histogram backprojection에서
H와 S를 이용하기 때문에
2D Histogram의 경우, Hue와 Saturation 으로 구한다.

# ---------------------
# imread by using URL
import requests

def ds_url_imread(url):
    t0 = requests.get(url)# requests.models.Response 
    t1 = t0.content       # bytes (immutable) 
    t2 = bytearray(t1)    # bytearray (mutable)
    t3 = np.asarray(t2, dtype=np.uint8) #ndarray
    img = cv2.imdecode(t3, cv2.IMREAD_UNCHANGED)
    return img

# --------------------
# load and histogramming

import numpy as np
import cv2 

url = 'https://raw.githubusercontent.com/dsaint31x/OpenCV_Python_Tutorial/master/images/2d_histogram.jpg'
# img = cv2.imread('../images/2d_histogram.jpg')
img = ds_url_imread(url)
assert img is not None, "file could not be read, check with os.path.exists()"

hsv  = cv2.cvtColor(
    img,
    cv2.COLOR_BGR2HSV,
)
hist = cv2.calcHist(
    [hsv], 
    [0, 1],           # channels
    None,             # mask
    [180, 256],       # histSize or size of bins
    [0, 180, 0, 256], # range to binning
)

print(f'{hist.shape = }')

# -------------------------
# display

import matplotlib.pyplot as plt

fig, axs = plt.subplots(1,2, figsize=(10,5))
axs[0].imshow(img[...,::-1])
cax = axs[1].imshow(
    hist,
    interpolation='nearest',
    cmap='viridis',
)
fig.colorbar(cax, ax=axs[1], shrink=0.5)

axs[0].set_xticks([])
axs[0].set_yticks([])
axs[0].set_title('original')
axs[1].set_xticks(range(0,180,30))
axs[1].set_xticks(range(0,256,32))
axs[1].set_title('2D Histogram')

plt.show()

푸른 하늘에 해당하는 pixel이 많기 때문에 Hue=120 근처에서 많은 값을 보임.
건물에 해당하는 노란색도 많아서 20~30 사이에 보임.

histogram에서 잘 안보이기 때문에 V=255일 때의 HS map을 기반으로 처리한 2d histogram은 다음과 같음.

scaling (slide-bar의 test)의 값이 커질수록 2D histogram에서 강조가 되어 보이도록 처리함.
푸른색과 노란색 부분이 강조되어 쉽게 확인이 가능함.

Hue, Saturation은 color image의 특성을 나타내는 feature로 사용할 수 있다.
(주의할 것은 다른 image라도 거의 비슷한 2D Histogram을 가질 수 있다는 점임.)

pixel들의 color의 분포를 나타내는 것임.
위치적 정보가 사라지기 때문에 color들의 분포는 비슷하면 비슷한 2D Histogram이 나올 수 있음.
histogram간의 유사도가 image가 같은지를 나타내는 것은 아님.

References¶

openCV's Tutorial