计算图像颜色直方图calchist()函数 的使用

在python环境下，这个函数雷点很多，特别是对于用python习惯的程序员来说更是容易犯错。因为opencv的主目标语言是C++，很多设计思想不够pythonic，如果你用python的习惯去理解它就容易犯错。这里只讨论python环境，C++的形参是指明类型的，比较好理解。

注意点：

• 输入的图片不仅可以是多维的，而且可以是多张图片组成的序列。当画多维直方图时，不是同时处理多张图片的意思，而是一个and操作 ：

import numpy
import cv2 as cv


img = numpy.random.randint(0, 100, [100, 100, 3], dtype=numpy.uint8)

channels = [0, 2]   # 统计B,R通道
ranges = [0, 100, 0, 100]   # 两个通道的range都是0-100， 此参数必须是个 flattened vector（一维数组）
hist = cv.calcHist([img, ], channels, mask=None, histSize=[10, 10], ranges=ranges)
h = hist[0, 0]  # 同时满足(B通道0-10) and (R通道0-10)的元素个数
print(h)

• images， channels，histSize 这几个参数必须是一组数据，calcHist()函数是批量处理图片的，所以输入是成批的。即使只有一张图也要按照批数据组织数据， python中单个数据应该是长度为1的序列，如images=[image, ], channels=[0, ]。
• images 输入图像阵列，注意是图像阵列（多幅图像），所有的图像必须有同样的深度（像素的数据类型相同），相同的size，但是每个图像可以有不同的channels。此参数在python中是一个序列（list,tuple等）或者4维矩阵（N*H*W*C）。
• channels 这个参数第二个参数是从第一幅图的channels-1开始计数的，比如处理两张3通道图片那么第二个元素应该是从3开始计数，这么设计的原因是把第一个形参（images）看成一个多张图片叠在一起的4维矩阵（N*H*W*C）。
• ranges 这个参数一定是一个1维数组（flattened vector），比如统计2通道直方图（ len(channels)=2 ），那么这个参数应该是[min, max, min, max]。看起来别扭，但这么设计的原因可能是为了在C++里容易组织数据。