OpenCV-图像直方图

直方图的定义

从统计的角度讲，直方图是图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。从直方图的图像上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数。

直方图是数值数据分布的精确图形表示。 这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。
构建直方图：
①将值的范围分段
②计算每个间隔中有多少值
作用
(1)显示图像质量波动的状态
(2)较直观地传递有关过程图像质量状况的信息
(3)掌握过程的状况，从而确定在什么地方集中力量进行图像质量改进工作

直方图绘制

matplotlib.pyplot.hist（X, BINS，facecolor=‘yellowgreen’）
X：一维数组
BINS：数组的边界（如256）
import matplotlib.pyplot as plt

import cv2
import matplotlib.pyplot as plt
img1=cv2.imread("hj.jpg",0)
cv2.imshow("img1",img1)
plt.hist(img1.ravel(),256,facecolor='yellowgreen')
cv2.waitKey()
cv2.destroyAllWindows() 

import cv2
import matplotlib.pyplot as plt
img1=cv2.imread("bd.jpg")
cv2.imshow("img1",img1)
plt.hist(img1.ravel(),256)
cv2.waitKey()
cv2.destroyAllWindows()

hist()

matplotlib.pyplot.hist（X,BINS）
import matplotlib.pyplot as plt

matplotlib.pyplot是一个有命令风格的函数集合，它看起
来和MATLAB很相似

matplotlib.pyplot.hist（X,BINS）

X：数据源，必须是一维（降维处理：b=a.ravel()）的。图像通常是二维的，需要使用ravel（）函数将图像处理为一维数据源以后，再作为参数使用。
BINS：表示灰度级的分组情况。

calcHist()

cv2.calcHist
（images,channels,mask,histSize,ranges,accumulate）

channels：指定通道编号。通道编号需要用“[]”括起来。
mask：掩模图像。当统计整幅图像的直方图时，将这个值设为None
histSize: BINS的值，该值需要用“[]”括起来。
ranges：即像素值范围。例如，8位灰度图像的像素值范围是[0,255]
accumulate：累计（累积、叠加）标识，默认值为False

import cv2
import numpy as np
img=cv2.imread("bd.jpg")
hist = cv2.calcHist([img],[0],None,[256],[0,255])
plt.plot(hist,color='b')

绘制彩色的直方图

import cv2
import numpy as np
img=cv2.imread("bd.jpg")
histb = cv2.calcHist([img],[0],None,[256],[0,255])
histg = cv2.calcHist([img],[1],None,[256],[0,255])
histr = cv2.calcHist([img],[2],None,[256],[0,255])
plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')

彩色直方图封装

import cv2
import numpy as np
from matplotlib import pyplot as plt
def image_hist(image):
    color = ('blue', 'green', 'red')
    for i, color in enumerate(color):
        hist = cv2.calcHist([image],</