在直方图中找到两个最高峰的中心值 Python

Question

我试图找到直方图中最高和第二高峰之间的“中间”值。我当然可以手动执行此操作，但我想创建一个自动化方法。要计算我的直方图，我使用：

hist= cv2.calcHist([gray_scale_img], [0], None, [256], [0, 256])

到目前为止，我只知道如何使用max = np.argmax(hist) 计算出最大峰值。我附上了一张红色的图片，这是我想要找到的。 HISTOGRAM IMAGE

Answer 1

这是计算直方图前 2 个峰值之间的索引和值的方法（使用 OpenCV 和 Python 3）。

import numpy as np
import cv2

img = cv2.imread('../test.jpg', cv2.IMREAD_GRAYSCALE)

#Compute histogram
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

#Convert histogram to simple list
hist = [val[0] for val in hist]

#Generate a list of indices
indices = list(range(0, 256))

#Descending sort-by-key with histogram value as key
s = [(x,y) for y,x in sorted(zip(hist,indices), reverse=True)]

#Index of highest peak in histogram
index_of_highest_peak = s[0][0]

#Index of second highest peak in histogram
index_of_second_highest_peak = s[1][0]


print(index_of_highest_peak)
print(index_of_second_highest_peak)

#If top 2 indices are adjacent to each other, there won't be a midpoint
if abs(index_of_highest_peak - index_of_second_highest_peak) < 2:
    raise Exception('Midpoint does not exist')
else: #Compute mid index
    midpoint = int( (index_of_highest_peak + index_of_second_highest_peak) / 2.0 )



print('Index Between Top 2 Peaks = ', midpoint)
print('Histogram Value At MidPoint = ', hist[midpoint])

我假设如果前 2 个峰彼此相邻，则不会有中点。您可以根据自己的需要调整这种情况。

Answer 2

您正在尝试的似乎与Otsu thresholding algorithm 非常相似。在这种情况下，您可以使用

ret, otsu = cv2.threshold(gray_scale_img , 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

如果您的数据是强三峰且 Otsu 的方法不令人满意，则对应的方法是应用 kmeans clustering 和 3 个集群。 Otsu 的方法和 kmeans 都通过最小化类内方差来对数据进行分类。在代码中：

import numpy as np
from sklearn.cluster import KMeans
# Make trimodal data
# (if image is large, consider downsampling it)
n1 = np.random.normal(80, 10, 200)
n2 = np.random.normal(120, 10, 200)
n3 = np.random.normal(180, 10, 400)
imflat = np.r_[n1, n2, n3]
# shuffle and reshape
np.random.shuffle(imflat)
im = imflat.reshape(-1, 1)
km = KMeans(n_clusters=3, random_state=0).fit(im)
lab = km.labels_
# maxmimum data value in each cluster
[im[np.argwhere(lab==i)].flatten().max() for i in range(3)]

这并不能确定 3 个集群中的哪一个在直方图中具有最高峰值。为不完整的解决方案道歉。另一个建议可能是将 6 阶多项式拟合到直方图，然后找到转折点。