11. 直方图cv2.calcHist()、直方图均衡化cv2.equalizeHist(gray)、cv2.createCLAHE()、直方图比较cv2.compareHist()

1. 直方图

• 直方图是对数据的统计集合，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，且统计数据可能是任何有效描述图像的特征。
• 灰度直方图是一幅图像中个像素灰度值出现次数或频数的统计结果，它只反映该图像中灰度值出现的频率，而未反映某一灰度值像素所在的位置。也就是说，它只包含了该图像中某个灰度值的像素出现的概率，而丢失了其所在的位置的信息。
• 直方图意义： 
          1. 直方图是图像中像素强度分布的图形表达方式。 
          2. 直方图统计了每一个强度值所具有的像素个数。
• 性质:

1. 灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置，即丢失了像素的位置信息
2. 一幅图像对应唯一的灰度图像图，但是不同的图像可对应相同的直方图
3.  一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图

• 应用:

它可以确定图像二值化的阈值。当我们的发现某一幅图像的灰度直方图中有两个波峰，有一个波谷的话，那么这个波谷就可以作为这幅图像二值化的阈值.

• 函数实现: plt.hist(src, pixel)  :  1. src必须是一维数组,一般用 .ravel()函数将多维数组拉成一维数组  2. pixel : bin的个数(一般为256)
• 代码如下:

def plot_demo(image):
    plt.hist(image.ravel(), 256, [0, 256])  # image.ravel()将图像展开，256为bins数量，[0, 256]为范围
    plt.show()

• 函数实现:cv2.calcHist(images, channels, mask, histSize, ranges）
• 参数说明:  1. images  输入图像 2. channels 哪个通道  3. mask:默认为none
• mask:掩膜，是一个大小和image一样的np数组，其中把需要处理的部分指定为1，不需要处理的部分指定为0，一般设置为None，表示处理整幅图像
• histSize:使用多少个bin(柱子)，一般为256
• ranges:像素值的范围，一般为[0,255]表示0~255
• 代码如下:

def image_hist(image):
    color = ('blue', 'green', 'red')
    for i, color in enumerate(color):

        # 计算出直方图，calcHist