图像直方图：查找、绘制、分析

使用OpenCV和Matplotlib函数绘制直方图 ：cv.calcHist()，np.histogram()
直方图可以总体了解图像的强度分布。通过查看图像的直方图，您可以直观地了解该图像的对比度，亮度，强度分布等。直方图的左侧区域显示图像中较暗像素的数量，而右侧区域则显示明亮像素的数量。

一、寻找直方图

BINS：上面的直方图显示每个像素值的像素数，即从0到255。如果找介于0到15之间的像素数，然后找到16到31之间，…，240到255之间的像素数。只需要16个值即可表示直方图。因此，您要做的就是将整个直方图分成16个子部分，每个子部分的值就是其中所有像素数的总和。每个子部分都称为“ BIN”。在第一种情况下，bin的数量为256个（每个像素一个），而在第二种情况下，bin的数量仅为16个。BINS由OpenCV文档中的histSize术语表示。

DIMS：这是我们为其收集数据的参数的数量。在这种情况下，我们仅收集关于强度值的一件事的数据。所以这里是1。

RANGE：这是您要测量的强度值的范围。通常，它是[0,256]，即所有强度值。

查找直方图的函数及其参数:
cv.calcHist（images，channels，mask，histSize，ranges[，hist [，accumulate]]）
images：它是uint8或float32类型的源图像。它应该放在方括号中，即“ [img]”。channels：也以方括号给出。它是我们计算直方图的通道的索引。例如，如果输入为灰度图像，则其值为[0]。对于彩色图像，您可以传递[0]，[1]或[2]分别计算蓝色，绿色或红色通道的直方图。
mask：图像掩码。为了找到完整图像的直方图，将其指定为“无”。但是，如果要查找图像特定区域的直方图，则必须为此创建一个掩码图像并将其作为掩码。
histSize：这表示BIN计数。需要放在方括号中。对于全尺寸，我们通过[256]。ranges：这是我们的RANGE。通常为[0,256]。
如：img=cv.imread(‘home.jpg’,0)
hist=cv.calcHist([img],[0],None,[256],[0,256])

还有hist,bins=np.histogram(img.ravel(),256,[0,256])也用来求直方图，对于一维直方图，hist = np.bincount(img.ravel()，minlength = 256)速度更快。

matplotlib.pyplot.hist()它直接找到直方图并将其绘制。无需使用calcHist()或np.histogram()函数来查找直方图。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('E:\\python opencv\\demo2\\a.jpg', 0)
cv.imshow('img', img)
plt.hist(img.ravel(), 256, [0, 256])
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()

对于BGR图片：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('E:\\python opencv\\demo2\\a.jpg')
cv.imshow('img', img)

color = ('b', 'g', 'r')
for i, col in enumerate(color):
    histr = cv.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr, color= col)
    plt.xlim([0, 256])

plt.show()

cv.waitKey(0)
cv.destroyAllWindows()

掩码的应用：查找需要的区域，需创建一个掩码图像，在你要找到直方图为白色，否则黑色。然后把这个作为掩码传递。

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('E:\\python opencv\\demo2\\a.jpg', 0)
#创建掩码
mask = np.zeros(img