ในการประมวลผลภาพและการถ่ายภาพฮิสโตแกรมสีคือการแสดงการกระจายของสีในภาพสำหรับภาพดิจิทัล ฮิสโตแกรมสีจะแสดงจำนวนพิกเซล ที่มีสีในแต่ละช่วงสีที่กำหนดไว้ ซึ่งครอบคลุม พื้นที่สีของภาพ(เซตของสีที่เป็นไปได้ทั้งหมด)

ฮิสโตแกรมสีสามารถสร้างขึ้นได้สำหรับปริภูมิสีทุกประเภท แม้ว่าคำนี้มักใช้กับปริภูมิสามมิติ เช่นRGBหรือHSV มากกว่า สำหรับภาพขาวดำ อาจใช้ คำว่าฮิสโตแกรมความเข้มแทนสำหรับภาพหลายสเปกตรัม ซึ่งแต่ละพิกเซลแสดงด้วยจำนวนการวัดที่ไม่แน่นอน (ตัวอย่างเช่น มากกว่าสามการวัดใน RGB) ฮิสโตแกรมสีจะ มีมิติ Nโดยที่ N คือจำนวนการวัดที่ทำการวัด การวัดแต่ละครั้งจะมีช่วงความยาวคลื่นของสเปกตรัมแสงเป็นของตัวเอง ซึ่งบางส่วนอาจอยู่นอกสเปกตรัมที่มองเห็นได้

หากชุดค่าสีที่เป็นไปได้มีขนาดเล็กเพียงพอ แต่ละสีอาจถูกจัดวางไว้ในช่วงใดช่วงหนึ่งโดยเฉพาะ ในกรณีนี้ ฮิสโตแกรมจะเป็นเพียงการนับจำนวนพิกเซลที่มีสีแต่ละสีที่เป็นไปได้ โดยส่วนใหญ่แล้ว พื้นที่สีจะถูกแบ่งออกเป็นช่วงจำนวนที่เหมาะสม ซึ่งมักจัดเรียงเป็นตารางปกติ แต่ละช่วงจะประกอบด้วยค่าสีที่คล้ายคลึงกันจำนวนมาก นอกจากนี้ ฮิสโตแกรมสีอาจถูกแสดงและแสดงผลในรูปของ ฟังก์ชันเรียบที่กำหนดขึ้นบนพื้นที่สีซึ่งประมาณค่าจำนวนพิกเซลได้ เช่นกัน

เช่นเดียวกับ ฮิสโตแกรมประเภทอื่นๆฮิสโตแกรมสีเป็นสถิติที่สามารถมองได้ว่าเป็นค่าประมาณของการกระจายตัว แบบต่อเนื่อง ของค่าสี ที่อยู่เบื้องหลัง

ฮิสโตแกรมสีเป็นโครงสร้างที่ยืดหยุ่นซึ่งสามารถสร้างได้จากภาพในปริภูมิสี ต่างๆ ไม่ว่าจะเป็นRGB , rg chromaticityหรือปริภูมิสีอื่นๆ ที่มีมิติใดๆ ก็ได้ การสร้างฮิสโตแกรมของภาพนั้น เริ่มจากการแบ่งสีในภาพออกเป็นช่วงๆ จำนวนหนึ่ง แล้วนับจำนวนพิกเซลของภาพในแต่ละช่วง ตัวอย่างเช่น ฮิสโตแกรมสีแดง-น้ำเงินสามารถสร้างได้โดยการทำให้ค่าพิกเซลสีเป็นมาตรฐานก่อน โดยการหารค่า RGB ด้วย R+G+B จากนั้นจึงแบ่งค่า R และ B ที่เป็นมาตรฐานแล้วออกเป็น N ช่วงในแต่ละช่วง ฮิสโตแกรมสองมิติของสีแดง-น้ำเงินที่แบ่งออกเป็นสี่ช่วง ( N = 4) อาจให้ผลลัพธ์เป็นฮิสโตแกรมที่คล้ายกับตารางนี้:

ฮิสโตแกรมสามารถมีได้หลายมิติ (N มิติ) แม้ว่าจะแสดงผลได้ยากกว่า แต่ฮิสโตแกรมสีสามมิติในตัวอย่างข้างต้นอาจมองได้ว่าเป็นฮิสโตแกรมสีแดง-น้ำเงินแยกกันสี่อัน โดยแต่ละฮิสโตแกรมทั้งสี่อันประกอบด้วยค่าสีแดง-น้ำเงินสำหรับช่วงสีเขียว (0–63, 64–127, 128–191 และ 192–255)

ฮิสโตแกรมเป็นการสรุปข้อมูลการกระจายตัวของข้อมูลในภาพอย่างกระชับ ฮิสโตแกรมสีของภาพค่อนข้างคงที่เมื่อมีการเลื่อนและการหมุนรอบแกนการมอง และเปลี่ยนแปลงเพียงเล็กน้อยเมื่อมุมมองเปลี่ยนไป^{[ 1 ]}ด้วยการเปรียบเทียบลายเซ็นฮิสโตแกรมของภาพสองภาพและจับคู่เนื้อหาสีของภาพหนึ่งกับอีกภาพหนึ่ง ฮิสโตแกรมสีจึงเหมาะอย่างยิ่งสำหรับปัญหาการจดจำวัตถุที่มีตำแหน่งและการหมุนที่ไม่ทราบแน่ชัดภายในฉาก ที่สำคัญ การแปลงภาพ RGB ไปเป็นพื้นที่สี rg ที่ไม่ขึ้นกับความสว่างทำให้ฮิสโตแกรมสามารถทำงานได้ดีในระดับแสงที่แตกต่างกัน

1. ฮิสโตแกรมคืออะไร?

ฮิสโตแกรมคือการแสดงจำนวนพิกเซลในภาพด้วยกราฟ อธิบายให้เข้าใจง่ายขึ้นก็คือ ฮิสโตแกรมเป็นกราฟแท่ง โดยแกน X แสดงระดับโทนสี (สีดำอยู่ทางซ้ายและสีขาวอยู่ทางขวา) และแกน Y แสดงจำนวนพิกเซลในภาพในแต่ละช่วงของระดับโทนสี ตัวอย่างเช่น กราฟฮิสโตแกรมความสว่างจะแสดงจำนวนพิกเซลในแต่ละระดับความสว่าง (จากสีดำถึงสีขาว) และเมื่อมีพิกเซลมากขึ้น จุดสูงสุดที่ระดับความสว่างนั้นก็จะสูงขึ้น

2. ฮิสโตแกรมสีคืออะไร?

ฮิสโตแกรมสีของภาพแสดงถึงการกระจายตัวขององค์ประกอบสีในภาพ โดยแสดงให้เห็นถึงสีประเภทต่างๆ ที่ปรากฏ และจำนวนพิกเซลในแต่ละประเภทของสีนั้นๆ ความสัมพันธ์ระหว่างฮิสโตแกรมสีและฮิสโตแกรมความสว่างคือ ฮิสโตแกรมสีสามารถแสดงได้ในรูปของ “ฮิสโตแกรมความสว่างสามอัน” ซึ่งแต่ละอันแสดงการกระจายความสว่างของแต่ละช่องสีแดง/เขียว/น้ำเงิน

ฮิสโตแกรมสีจะเน้นเฉพาะสัดส่วนของจำนวนสีประเภทต่างๆ โดยไม่คำนึงถึงตำแหน่งเชิงพื้นที่ของสี ค่าในฮิสโตแกรมสีได้มาจากสถิติ ซึ่งแสดงให้เห็นถึงการกระจายทางสถิติของสีและโทนสีที่สำคัญของภาพ

โดยทั่วไปแล้ว เนื่องจากลักษณะการกระจายสีของพื้นหน้าและพื้นหลังในภาพแตกต่างกัน จึงอาจทำให้เกิดการกระจายแบบสองยอดในฮิสโตแกรมได้

สำหรับฮิสโตแกรมความสว่างเพียงอย่างเดียว ไม่มีฮิสโตแกรมใดที่สมบูรณ์แบบ และโดยทั่วไปแล้ว ฮิสโตแกรมสามารถบอกได้ว่าภาพนั้นสว่างเกินไปหรือไม่ แต่บางครั้งคุณอาจคิดว่าภาพนั้นสว่างเกินไปเมื่อดูจากฮิสโตแกรม แต่ในความเป็นจริงแล้วอาจไม่ใช่เช่นนั้น

การสร้างฮิสโตแกรมสีนั้นค่อนข้างง่าย จากคำจำกัดความข้างต้น เราสามารถนับจำนวนพิกเซลสำหรับแต่ละระดับ 256 ระดับในแต่ละช่อง RGB ทั้ง 3 ช่อง แล้วนำมาพล็อตลงในกราฟแท่ง 3 กราฟแยกกันได้

โดยทั่วไป ฮิสโตแกรมสีจะอิงตามพื้นที่สีเฉพาะ เช่น RGB หรือ HSV เมื่อเราคำนวณพิกเซลของสีต่างๆ ในภาพ หากพื้นที่สีมีขนาดใหญ่ เราสามารถแบ่งพื้นที่สีออกเป็นช่วงเล็กๆ จำนวนหนึ่งก่อน แต่ละช่วงเรียกว่า บิน (bin) กระบวนการนี้เรียกว่าการแบ่งสี (color quantization ) จากนั้น โดยการนับจำนวนพิกเซลในแต่ละบิน เราจะได้ฮิสโตแกรมสีของภาพ

ขั้นตอนที่เป็นรูปธรรมของหลักการเหล่านี้สามารถดูได้ในตัวอย่างที่ 1

จากภาพแมวต่อไปนี้ (ภาพต้นฉบับและภาพที่ลดจำนวนสีเหลือ 256 สีเพื่อให้ง่ายต่อการสร้างฮิสโตแกรม) ข้อมูลต่อไปนี้แสดงถึงฮิสโตแกรมสีในพื้นที่สี RGB โดยใช้สี่ช่วง (bin)

ช่องที่ 0 สอดคล้องกับความเข้ม 0–63

ช่วงที่ 1 คือ 64–127

ช่วงที่ 2 คือ 128–191 และช่วงที่ 3 คือ 192–255

การใช้งานในกล้อง:

ปัจจุบัน กล้องบางรุ่นสามารถแสดงฮิสโตแกรมสี 3 สีขณะถ่ายภาพได้

เราสามารถตรวจสอบจุดตัด (จุดสูงสุดที่อยู่ด้านสีดำหรือสีขาวของมาตราส่วน) ในฮิสโตแกรมสี RGB ทั้ง 3 ช่องได้ หากเราพบจุดตัดตั้งแต่หนึ่งจุดขึ้นไปในช่องใดช่องหนึ่งของช่องสี RGB ทั้ง 3 ช่อง นั่นจะส่งผลให้รายละเอียดของสีนั้นลดลง

เพื่อเป็นการยกตัวอย่าง ลองพิจารณาตัวอย่างต่อไปนี้:

1. เรารู้ว่าแต่ละช่องสัญญาณ R, G, B ทั้งสามช่องมีช่วงค่าตั้งแต่ 0 ถึง 255 (8 บิต) ดังนั้นลองพิจารณาภาพถ่ายที่มีช่วงความสว่างตั้งแต่ 0–255
2. สมมติว่าภาพถ่ายที่เราถ่ายนั้นประกอบด้วยบล็อก 4 บล็อกที่อยู่ติดกัน และเราตั้งค่ามาตราส่วนความสว่างสำหรับแต่ละบล็อกทั้ง 4 ของภาพถ่ายต้นฉบับเป็น 10, 100, 205, 245 ดังนั้น ภาพที่ได้จึงมีลักษณะดังรูปบนสุดทางด้านขวา
3. จากนั้น เราปรับค่าแสงของภาพให้สว่างขึ้นเล็กน้อย เช่น เพิ่มค่าความสว่างของแต่ละบล็อกขึ้น 10 ดังนั้น ค่าความสว่างของบล็อกทั้ง 4 ในภาพใหม่จึงเป็น 20, 110, 215, 255 ตามลำดับ ภาพที่ได้จึงมีลักษณะเหมือนภาพที่สองทางด้านขวา จะเห็นได้ว่าทั้งสองภาพไม่แตกต่างกันมากนัก สิ่งที่เห็นได้ชัดคือภาพโดยรวมสว่างขึ้น (ค่าความคอนทราสต์ของแต่ละบล็อกยังคงเท่าเดิม)
4. ทีนี้ เราเพิ่มความสว่างให้กับภาพต้นฉบับอีกครั้ง คราวนี้ค่าความสว่างของแต่ละบล็อกเพิ่มขึ้น 50 ดังนั้น ค่าความสว่างของบล็อกทั้ง 4 ในภาพใหม่จึงเป็น 60, 150, 255, 255 ภาพใหม่จึงมีลักษณะเหมือนภาพที่สามทางด้านขวา สังเกตว่าค่าความสว่างของบล็อกสุดท้ายคือ 255 แทนที่จะเป็น 295 เพราะ 255 คือค่าความสว่างสูงสุด ดังนั้นบล็อกสุดท้ายจึงถูกตัดออก เมื่อเกิดเหตุการณ์นี้ เราจะสูญเสียความคมชัดของ 2 บล็อกสุดท้าย และไม่สามารถกู้คืนภาพได้ไม่ว่าจะปรับแต่งอย่างไรก็ตาม

โดยสรุปแล้ว เมื่อถ่ายภาพด้วยกล้องที่แสดงฮิสโตแกรม ควรตั้งค่าโทนสีที่สว่างที่สุดในภาพให้อยู่ต่ำกว่าค่าสูงสุด 255 บนฮิสโตแกรมเสมอ เพื่อหลีกเลี่ยงการสูญเสียรายละเอียด

ข้อเสียหลักของฮิสโตแกรมสำหรับการจำแนกประเภทคือ การแสดงผลขึ้นอยู่กับสีของวัตถุที่กำลังศึกษา โดยไม่คำนึงถึงรูปร่างและพื้นผิว ฮิสโตแกรมสีอาจเหมือนกันสำหรับภาพสองภาพที่มีเนื้อหาวัตถุต่างกันแต่บังเอิญมีข้อมูลสีร่วมกัน ในทางกลับกัน หากไม่มีข้อมูลเชิงพื้นที่หรือรูปร่าง วัตถุที่คล้ายกันแต่มีสีต่างกันอาจแยกแยะไม่ได้โดยอาศัยการเปรียบเทียบฮิสโตแกรมสีเพียงอย่างเดียว ไม่มีวิธีใดที่จะแยกแยะถ้วยสีแดงและสีขาวออกจากจานสีแดงและสีขาวได้ กล่าวอีกนัยหนึ่งคือ อัลกอริทึมที่ใช้ฮิสโตแกรมไม่มีแนวคิดเกี่ยวกับ 'ถ้วย' ทั่วไป และแบบจำลองของถ้วยสีแดงและสีขาวก็ไม่มีประโยชน์เมื่อได้รับถ้วยสีน้ำเงินและสีขาวที่เหมือนกันทุกประการ อีกปัญหาหนึ่งคือ ฮิสโตแกรมสีมีความไวสูงต่อการรบกวนจากสัญญาณรบกวน เช่น การเปลี่ยนแปลงความเข้มของแสงและข้อผิดพลาดในการกำหนดปริมาณ ฮิสโตแกรมสีที่มีมิติสูง (bins) ก็เป็นอีกปัญหาหนึ่งเช่นกัน พื้นที่คุณลักษณะของฮิสโตแกรมสีบางส่วนมักครอบครองมากกว่าหนึ่งร้อยมิติ^{[ 2 ]}

แนวทางแก้ไขที่เสนอมาบางส่วน ได้แก่ การตัดกันของฮิสโตแกรมสี การจัดทำดัชนีค่าคงที่สี ฮิสโตแกรมสีสะสม ระยะทางกำลังสอง และคอร์เรโลแกรม สี แม้ว่าการใช้ฮิสโตแกรมสำหรับการจัดทำดัชนีและการจำแนกประเภทจะมีข้อเสียอยู่บ้าง แต่การใช้สีในระบบเรียลไทม์ก็มีข้อดีหลายประการ ประการหนึ่งคือ ข้อมูลสีคำนวณได้เร็วกว่าเมื่อเทียบกับค่าคงที่อื่นๆ ในบางกรณีพบว่าสีสามารถเป็นวิธีการที่มีประสิทธิภาพในการระบุวัตถุที่มีตำแหน่งและลักษณะที่ทราบได้

การวิจัยเพิ่มเติมเกี่ยวกับความสัมพันธ์ระหว่างข้อมูลฮิสโตแกรมสีกับคุณสมบัติทางกายภาพของวัตถุในภาพแสดงให้เห็นว่าไม่เพียงแต่สามารถแสดงสีและความสว่างของวัตถุเท่านั้น แต่ยังเกี่ยวข้องกับความหยาบของพื้นผิวและเรขาคณิตของภาพ และให้การประมาณค่าความสว่างและสีของวัตถุที่ดีขึ้นอีกด้วย^{[ 3 ]}

โดยปกติแล้วระยะทางแบบยุคลิดการตัดกันของฮิสโตแกรม หรือระยะทางโคไซน์หรือกำลังสอง จะถูกใช้ในการคำนวณคะแนนความคล้ายคลึงของภาพ^{[ 4 ]}ค่าเหล่านี้ไม่ได้สะท้อนอัตราความคล้ายคลึงของภาพสองภาพในตัวมันเอง แต่จะมีประโยชน์ก็ต่อเมื่อใช้เปรียบเทียบกับค่าที่คล้ายคลึงกันอื่นๆ เท่านั้น นี่คือเหตุผลที่การใช้งานจริงทั้งหมดของการดึงภาพตามเนื้อหาจะต้องทำการคำนวณภาพทั้งหมดจากฐานข้อมูลให้เสร็จสมบูรณ์ ซึ่งเป็นข้อเสียเปรียบหลักของการใช้งานเหล่านี้

อีกแนวทางหนึ่งสำหรับเนื้อหาภาพสีที่เป็นตัวแทนคือฮิสโตแกรมสีสองมิติ ฮิสโตแกรมสีสองมิติจะพิจารณาความสัมพันธ์ระหว่างสีคู่พิกเซล (ไม่ใช่แค่ส่วนประกอบของแสง) ^{[ 5 ]}ฮิสโตแกรมสีสองมิติเป็นอาร์เรย์สองมิติ ขนาดของแต่ละมิติคือจำนวนสีที่ใช้ในขั้นตอนการควอนไทเซชันสี อาร์เรย์เหล่านี้ถือเป็นเมทริกซ์ โดยแต่ละองค์ประกอบจะเก็บจำนวนคู่พิกเซลที่ถูกทำให้เป็นมาตรฐาน โดยแต่ละสีจะสอดคล้องกับดัชนีขององค์ประกอบในแต่ละบริเวณใกล้เคียงพิกเซล สำหรับการเปรียบเทียบฮิสโตแกรมสีสองมิติ แนะนำให้คำนวณค่าสหสัมพันธ์ เนื่องจากที่สร้างขึ้นตามที่อธิบายไว้ข้างต้นเป็นเวกเตอร์สุ่ม (กล่าวอีกนัยหนึ่งคือค่าสุ่มหลายมิติ) ในขณะที่สร้างชุดภาพสุดท้าย ควรจัดเรียงภาพตามลำดับค่าสัมประสิทธิ์สหสัมพันธ์ที่ลดลง

สัมประสิทธิ์สหสัมพันธ์ยังสามารถใช้สำหรับการเปรียบเทียบฮิสโตแกรมสีได้อีกด้วย ผลลัพธ์การค้นหาด้วยสัมประสิทธิ์สหสัมพันธ์ดีกว่าเมื่อใช้เมตริกอื่นๆ^{[ 6 ]}

แนวคิดของฮิสโตแกรมความเข้มสามารถนำไปประยุกต์ใช้กับข้อมูลต่อเนื่องได้ เช่น สัญญาณเสียงที่แสดงด้วยฟังก์ชันจริง หรือภาพที่แสดงด้วยฟังก์ชันที่มีโดเมน สอง มิติ

ให้(ดูที่ปริภูมิเลเบส ) จากนั้นตัวดำเนินการฮิสโตแกรมสะสมสามารถกำหนดได้โดย: คือมาตรวัดเลเบสของเซต และ คือฟังก์ชันจริงฮิสโตแกรม (ที่ไม่สะสม) ถูกกำหนดให้เป็นอนุพันธ์ ของ มัน ${\displaystyle f\in L^{1}(\mathbb {R} ^{n})}$${\displaystyle H}$$${\displaystyle H(f)(y)=\mu \{x:f(x)\leq y\}.}$$${\displaystyle \mu }$${\displaystyle H(f)}$$${\displaystyle h(f)=H(f)'.}$$

• โปรแกรมตรวจสอบสี 3 มิติ/ฮิสโตแกรมสีโดย Kai Uwe Barthel ( แอปเพล็ต Java ฟรี )
• โครงงานนักศึกษาของมหาวิทยาลัยสแตนฟอร์ดเกี่ยวกับการค้นหาข้อมูลโดยใช้รูปภาพ - เจาะลึกรายละเอียดเพิ่มเติมเกี่ยวกับสมการและการประยุกต์ใช้
• โค้ด MATLAB/Octave สำหรับสร้างกราฟฮิสโตแกรมสีและกลุ่มสี - สามารถนำโค้ดต้นฉบับไปปรับใช้กับภาษาโปรแกรมอื่นได้