基础知识铺垫
在之前的博客中，我们获取图像直方图的方式都是获取一维直方图，简单说就是只获取一个通道的特征，例如灰度，B 通道，R 通道。
今天要学习的第一个内容是二维直方图，也叫做 2D 直方图，涉及两个特征，其中一个是像素的色调，另一个是饱和度。
有这两个值你应该能猜到，需要提前将图像转换成 HSV 格式。
cv2.calcHist 函数
计算 2D 直方图，使用的函数与之前学习的一样，也是
cv2.calcHist
函数。
如果获取彩色直方图，需要提前将 BGR 转换成 HSV。
cv2.calcHist(images, channels, mask, histSize,ranges[, hist[,accumulate]])
参数说明：
images: 原图像（图像格式为 uint8 或 float32），当传入函数时应该用中括号 []括起来，例如：[img]；
channels：[0，1] 需要同时处理 H 和 S 两个通道；
bins：[180，256] Hue 通道为 180，S 通道为 256；
range：[0，180，0，256]，Hue 的取值范围在 0 到 180，饱和度 S 的取值范围在 0 到 256。
测试代码如下：
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def create_2d_hist(image):
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
return hist
img = cv.imread('2.jpg')
hsv = cv.cvtColor(img, cv.COLOR_BGR2HSV)
plt.plot(create_2d_hist(img))
plt.show()
运行效果如下图所示，可以看到 2D 直方图了。
在检索资料的时候，还学习到如下展示直方图的方式，不过效果不如线条的好。
plt.imshow(hist,interpolation = 'nearest')
numpy 中的 2D 直方图
numpy 库也为 2D 直方图提供了一个函数，np.histogram2d函数。
由于之前已经学习过 np.histogram 函数了，学习这个 2D 直方图函数理解上就比较容易了。
histogram2d(x, y, bins=10, range=None, normed=None, weights=None, density=None)
参数说明：
x, y：H 通道与 S 通道；
bins：bins 数目；
range：H 和 S 的范围。
参数更细致的说明可以通过 help(np.histogram2d) 查阅。
测试代码如下：
运行之后，发现结果如下图所示。
上表红线为橡皮擦标记内容，两个表进行对应。H=25,S=20 还有 H=100-150,S=120-100，可以得出黄色，蓝色，紫色区域高值，对应的原图上，结论差不多。
官方手册可以阅读：点击跳转
橡皮擦的小节
希望今天的一个小时，你有所收获，我们下篇博客见~
如果你有想要交流的想法、技术，欢迎在评论区留言。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。
