使用张量流创建图像的颜色直方图

Question

有没有简单的方法来计算图像的颜色直方图？也许通过滥用内部代码tf.histogram_summary？从我所看到的，这个代码不是很模块化，直接调用一些C++代码。

在此先感谢。

Answer 1

我会用tf.unsorted_segment_sum，其中“段ID”从颜色值计算和事情，你和为tf.ones载体。请注意，tf.unsorted_segment_sum可能更好地被认为是“桶和”。它实现dest[segment] += thing_to_sum - 完全是直方图所需的操作。

在略微伪代码（意思是我没有运行此）：

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) 

能在一通，如果你想做到这一点，而不是分离出R，G，B值与分裂巧妙地构建你的“人”看起来像红色的“100100”，绿色的“010010”等，但我怀疑它会整体变慢，而且难以阅读。我只是做你上面提出的拆分。

Answer 2

这是我现在使用什么：

# 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 3

tf.histogram_fixed_width 

可能是你在找什么...

完整文档上

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