Question

所以我想创建一个加权的直方图，因为我有一些比其他像素更重要的像素。例如，我想让中心区域像素的重量大于边框上的像素。

我目前正在使用opencv cascadeClassifier检测一个对象，并使用numpy生成目标的直方图，但我想让中心区域的像素比边框上的其他像素更重。

例如：

def generateHistogram(self,img):
    hist,bins = np.histogram(img.flatten(),256,[0,256])
    self.hist = hist
    #print hist
    return hist

那我怎么能这样做？它被称为加权直方图还是有其他名称？

非常感谢!!!

Answer 1

当我尝试构建图像渐变阶段的加权直方图时，我遇到了同样的问题：强梯度应该比弱梯度具有更大的权重。我发现NumPy有histogram函数的适当标志：

https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html#numpy.histogram

所以我用以下代码解决了我的问题：

import cv2
import numpy as np

# see tau manifest
TAU = np.pi * 2

# load image
#..

# calculate gradient
gradX = cv2.Scharr(image, ddepth=cv2.CV_32F, dx=1, dy=0)
gradY = cv2.Scharr(image, ddepth=cv2.CV_32F, dx=0, dy=1)

# calculate magnitude and phase
magnitude = cv2.magnitude(gradX, gradY)
phase = cv2.phase(gradX, gradY)

# build weighted histogram of phase
hist, bins = np.histogram(phase, bins=360, range=[0, TAU], weights=magnitude)

Answer 2

如果你只是需要一些工作而不用担心这种方法，我会做什么，在宽度和高度上首先获得图像的大小。现在你知道中心在哪里，让我们说（x，y）像素。

为要进行特殊处理的像素定义阈值（t）和权重（w）。

这里的复杂程度非常差，但根据你选择的图像大小和阈值，它可能并不全是坏事。简而言之，它将是这样的：

浏览距离图像中心最多（t）像素的所有像素使用权重标准化（t * w）修改它们的值

此处需要注意的一点是，您可能希望将结果值标准化为0-256（如果使用更多颜色，则更大），以避免溢出错误。

Answer 3

您希望通过高斯或Epanechnikov内核等核函数运行每个像素，以获得加权的颜色分布。这是在平均移位跟踪中完成的。可以在第7页找到精确的公式here。

我不知道opencv中只有直方图部分的任何函数，但您可以参考scipy.stats.gaussian_kde或sklearn.neighbors.kde.KernelDensity获取更多信息。

使用python制作加权直方图？

3 个答案: