使用张量流创建图像的颜色直方图

Question

有没有一种计算图像颜色直方图的巧妙方法？也许通过滥用 tf.histogram_summary 的内部代码？据我所知，这段代码不是很模块化，直接调用了一些 C++ 代码。

提前致谢。

Answer 1

这是我现在正在使用的：

# Assumption: img is a tensor of the size [img_width, img_height, 3], normalized to the range [-1, 1].
with tf.variable_scope('color_hist_producer') as scope:
  bin_size = 0.2
  hist_entries = []
  # Split image into single channels
  img_r, img_g, img_b = tf.split(2, 3, img)
  for img_chan in [img_r, img_g, img_b]:
    for idx, i in enumerate(np.arange(-1, 1, bin_size)):
      gt = tf.greater(img_chan, i)
      leq = tf.less_equal(img_chan, i + bin_size)
      # Put together with logical_and, cast to float and sum up entries -> gives count for current bin.
      hist_entries.append(tf.reduce_sum(tf.cast(tf.logical_and(gt, leq), tf.float32)))

  # Pack scalars together to a tensor, then normalize histogram.
  hist = tf.nn.l2_normalize(tf.pack(hist_entries), 0)

Answer 2

我会使用 tf.unsorted_segment_sum，其中 "segment IDs" 是根据颜色值计算得出的，您求和的结果是一个 tf.ones 向量。请注意，tf.unsorted_segment_sum 可能更好地理解为 "bucket sum"。它实现了 dest[segment] += thing_to_sum —— 正是您需要的直方图操作。

稍微伪代码（意思是我没有运行这个）：

binned_values = tf.reshape(tf.floor(img_r * (NUM_BINS-1)), [-1])
binned_values = tf.cast(binned_values, tf.int32)
ones = tf.ones_like(binned_values, dtype=tf.int32)
counts = tf.unsorted_segment_sum(ones, binned_values, NUM_BINS)

如果您想巧妙地将 "ones" 构造为看起来像红色的“100100...”，则可以一次性完成此操作，而不是通过拆分来分离 r、g 和 b 值，“010010”表示绿色等，但我怀疑它总体上会更慢，并且更难阅读。我只会按照您上面建议的方式进行拆分。

Answer 3

tf.histogram_fixed_width

可能就是您要找的...

有关

的完整文档

https://www.tensorflow.org/api_docs/python/tf/histogram_fixed_width

使用张量流创建图像的颜色直方图

Create color histogram of an image using tensorflow

tensorflow