imgproc模块--直方图

1.目的
（1）如何使用OpenCV函数 split 将图像分割成单通道数组。
（2）如何使用OpenCV函数 calcHist 计算图像阵列的直方图。
（3）如何使用OpenCV函数 normalize 归一化数组。

2.原理
[1]直方图
直方图是对数据的集合 统计 ，并将统计结果分布于一系列预定义的 bins 中。这里的 数据 不仅仅指的是灰度值 (如上一篇您所看到的)， 统计数据可能是任何能有效描述图像的特征。

假设有一个矩阵包含一张图像的信息 (灰度值 0-255)：如果我们按照某种方式去 统计 这些数字，会发生什么情况呢? 既然已知数字的 范围 包含 256 个值, 我们可以将这个范围分割成子区域(称作 bins)， 如:

然后再统计掉入每一个 bini 的像素数目。采用这一方法来统计上面的数字矩阵，我们可以得到下图( x轴表示 bin， y轴表示各个bin中的像素个数)。

以上只是一个说明直方图如何工作以及它的用处的简单示例。直方图可以统计的不仅仅是颜色灰度， 它可以统计任何图像特征 (如 梯度, 方向等等)。

[2]直方图的细节:
a. dims: 需要统计的特征的数目， 在上例中， dims = 1 因为我们仅仅统计了灰度值(灰度图像)。
b. bins: 每个特征空间 子区段 的数目，在上例中, bins = 16
c. range: 每个特征空间的取值范围，在上例中， range = [0,255]
PS:统计两个特征，直方图是3维的，x，y分别代表一个特征， z代表落入（x，y）中的样本数目。同样的方法适用于更高维的情形 。

3.部分代码解释
（1）calcHist

    /*
    calcHist参数解释（10个参数）
    &rgb_planes[0]: 输入数组(或数组集)
    1: 输入数组的个数 (这里我们使用了一个单通道图像，我们也可以输入数组集 )
    0: 需要统计的通道 (dim)索引 ，这里我们只是统计了灰度 (且每个数组都是单通道)所以只要写 0 就行了。    
    Mat(): 掩码( 0 表示忽略该像素)， 如果未定义，则不使用掩码
    r_hist: 储存直方图的矩阵
    1: 直方图维数
    histSize: 每个维度的bin数目
    histRange: 每个维度的取值范围，必须是const，一个二维数组
    uniform 和 accumulate: bin大小相同，清除直方图痕迹
    */
    calcHist(&rgb_plane[0], 1, 0, Mat(), r_hist, 1, &hist