Python将像素值映射到它'；带cv2的s直方图箱

给定一幅图像，有没有一种快速的方法将像素值映射到它的bin

img = cv2.imread('test_image.jpg')
hist_g = cv2.calcHist([img[x:x+w,y:y+h,:]], [1], None, [9], [0, 256])

这将返回一个9x1数组，该数组包含从0到256的9个像素点。我想

我想要的是

[x:x+w，y:y+h]

矩阵，每个条目都有像素映射到的箱子编号。我该怎么做

例如，假设我有矩阵

x = np.array([[154, 192],[67,115]])

x_histcounts = np.array([[5, 7],[3,4]])

我想把矩阵还给你

x = np.array([[154, 192],[67,115]])

x_histcounts = np.array([[5, 7],[3,4]])

基于

cv2.calcHist（[img[x:x+w，y:y+h，：]，[1]，无[9]，[0256]）

---

由于154位于第5个存储箱中，192位于第7个存储箱中，依此类推。

如果要将像素映射到

9

存储箱，则可以转换为灰度，然后使用

/

除以

（256/9）

以获得整数

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

result = img_gray[x:x+w,y:y+h] // (256/9)

---

在

calcHist

中，您使用通道列表

[1]

，因此您只需要一个通道的直方图，这意味着您不必转换为灰度，而是使用

[…，…，1]

result = img[x:x+w, y:y+h, 1] // (256/9)

---

编辑：我测试了您的示例数据

[[154192]，[67115]

，它给了我

[[5,6]，[2,4]]

而不是

[[5,7]，[3,4]]

import numpy as np

bins_number = 9

x = np.array([[154, 192], [67, 115]])
result = (x // (256/bins_number)).astype(int)

print('result:', result.tolist())

使用Google

“numpy histcounts matlab”

我还找到了使用

np.digitize（）

复制

histcounts

的工具，它也给了我

[[5,6]，[2,4]

而不是

[[5,7]，[3,4]]

，但我不知道我是否正确地创建了垃圾箱范围

import numpy as np

bins_number = 9

x = np.array([[154, 192], [67, 115]])

bins = [(256/bins_number)*x for x in range(1, bins_number+1)]
result = np.digitize(x, bins)

print('result:', result.tolist())
print('bins:', bins)

我没有

Matlab

，所以我尝试在中使用

histc（）

它也给了我
[[5,6]，[2,4]]
而不是
[[5,7]，[3,4]

import numpy as np

bins_number = 9

x = np.array([[154, 192], [67, 115]])
result = (x // (256/bins_number)).astype(int)

print('result:', result.tolist())


编辑：我发现要生成箱子范围

import numpy as np

bins_number = 9

x = np.array([[154, 192], [67, 115], [0,1]])

bins = np.histogram_bin_edges(x, bins=9, range=(0, 256))

print('bins:', bins)

但是它添加了
0
作为第一条边，因此以后它使用数字
1-9
而不是
0-8
，但是如果使用
bin[1:][/code>，那么它仍然使用数字
0-8

import numpy as np

bins_number = 9

x = np.array([[154, 192], [67, 115]])

bins = np.histogram_bin_edges(x, bins=9, range=(0, 255))
print('bins:', bins)

print('result:', np.digitize(x, bins[1:]).tolist())

我不明白你想做什么，但
9x1
是直方图的正确大小。矩阵
[x:x+w，y:y+h]
不是直方图。似乎您更应该使用将每个值除以9得到整数值来得到您期望的结果。类似于
result=img[x:x+w，y:y+h，：][/9
我澄清了这个问题。我基本上想要一个Matlab拥有的histcounts方法。我的代码对示例数据给出了几乎相同的结果。我的代码向下舍入（地板），但您的数据向上舍入（屋顶）或舍入到最接近的整数。我添加了有关
numpy.histogram\u bin\u edges的信息