使用plt.plot v/s plt.hist的彩色图像直方图的差异[Python]

Question

我使用下面的代码来使用2种方法生成彩色图像的直方图：

方法1 :-

使用cv2.calalHist()函数计算frequency

• Using plt.plot()以生成频率

的线条图

方法2 :-

1. 使用plt.hist()函数计算和生成直方图(我添加了bin=250，使两个直方图保持一致)

观察:两种直方图大致相似。第一个直方图(使用plt.plot)看起来相当平滑。然而，第二直方图(使用plt.hist)有额外的尖峰和下降。

问题:，因为图像中只有int值，所以不应该有不一致的绑定。在直方图2中出现这些额外的尖峰和下降的原因是什么？

    blue_bricks = cv2.imread('Computer-Vision-with-Python/DATA/bricks.jpg')
    
    fig = plt.figure(figsize=(17,10))
    color = ['b','g','r']
    
    # Histogram Type-1
    fig.add_subplot(2,2,1)
    
    for i,c in enumerate(color): 
        hist = cv2.calcHist([blue_bricks], mask=None, channels=[i], histSize=[256], ranges=[0,256])
        plt.plot(hist,color=c)    
    plt.title('Histogram-1')
    
    # Histogram Type-2
    fig.add_subplot(2,2,2)
    
    for i,c in enumerate(color):
        plt.hist(blue_bricks[:,:,i].flatten(),color=c, alpha=0.5, bins=250)
    plt.title('Histogram-2')

​

​

Answer 1

bins=250在最低值和最高值之间创建251个等距的桶边。这些不符合离散值。当最高和最低之间的差额大于250时，一些垃圾箱将是空的。当差小于250时，一些回收箱将得到两个相邻数字的值，从而产生一个尖峰。此外，当叠加直方图时，所有直方图都使用完全相同的bin边是很方便的。

您需要在整数值之间精确地设置回收箱，设置bins=np.arange(-0.5, 256, 1)就可以做到这一点。或者，您可以使用海运的histplot(...., discrete=True)。

下面是一些数字较小的代码来说明正在发生的事情。

import matplotlib.pyplot as plt
import numpy as np

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, figsize=(12, 3))

for ax in (ax1, ax2, ax3, ax4):
    if ax in [ax1, ax3]:
        x = np.arange(1, 10)
    else:
        x = np.arange(1, 12)
    if ax in [ax1, ax2]:
        bins = 10
    else:
        bins = np.arange(0.5, x.max() + 1, 1)
    _, bin_edges, _ = ax.hist(x, bins=bins, ec='white', lw=2)
    ax.vlines(bin_edges, 0, 2.5, color='crimson', ls='--')
    ax.scatter(x, [2.2] * len(x), color='lime', s=50)
    ax.set_title((f"{bins} bins" if type(bins) == int else "discrete bins") + f', {len(x)} values')
    ax.set_xticks(x)
    ax.set_yticks([0, 1, 2])
plt.tight_layout()
plt.show()

​

​