使用python制作加权直方图？

Question

因此，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，我想给中心区域像素一个比边框上的像素更大的权重。

我目前正在使用opencv CascadeClassifier检测到一个对象，并使用numpy生成目标的直方图，但是我想给中心区域的像素提供比边框上其他像素更大的权重。

例如：

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

那我该怎么办呢？ 它叫做加权直方图还是别的名字？

非常感谢！！！

Answer 1

当我尝试建立图像梯度相位的加权直方图时，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具有适合histogram功能的标志：

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

所以我用下面的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

如果您只需要做一些事情而无需担心这种方法，那么首先要做的就是在宽度和高度上获取图像的大小。 现在您知道中心在哪里，比方说第（x，y）个像素。

为要对其进行特殊处理的像素定义阈值（t）和权重（w）。

这里的复杂性非常差，但是取决于图像的大小和您将选择的阈值，它可能并不全都不好。 简而言之，将是这样的：

遍历距离图像中心最多（t）个像素的所有像素，然后使用权重归一化（t * w）修改其值

这里要注意的一件事是，您可能希望将结果值标准化为0-256之间（如果使用更多颜色，则为更大），以避免溢出错误。

Answer 3

您想要通过诸如高斯或Epanechnikov内核之类的内核函数运行每个像素，以获得加权的颜色分布。 这是在均值漂移跟踪中完成的。 确切的公式可以在这里找到，第7页。

我不知道opencv中仅做直方图部分的任何函数，但是您可以参考scipy.stats.gaussian_kde或sklearn.neighbors.kde.KernelDensity了解更多信息。