摘要：理論可以將直方圖視為圖形或繪圖，它可以從中全面了解圖像的強(qiáng)度分布它是在軸上具有像素值范圍從到，并非總是的圖和在軸上的圖像中的對(duì)應(yīng)像素?cái)?shù)查找直方圖像素值區(qū)間的像素?cái)?shù)例如將整個(gè)直方圖分成個(gè)子部分，每個(gè)子部分的值是其中所有像素?cái)?shù)的總和，每個(gè)子部

Histograms - 1 : Find, Plot, Analyze !!!

可以將直方圖視為圖形或繪圖，它可以從中全面了解圖像的強(qiáng)度分布. 它是在X軸上具有像素值（范圍從0到255，并非總是）的圖和在Y軸上的圖像中的對(duì)應(yīng)像素?cái)?shù).

BINS：像素值區(qū)間的像素?cái)?shù).例如將整個(gè)直方圖分成16個(gè)子部分，每個(gè)子部分的值是其中所有像素?cái)?shù)的總和，每個(gè)子部分稱為“BIN”.

DIMS：收集數(shù)據(jù)的參數(shù)數(shù)量，在這種情況下，我們只收集有關(guān)一件事，強(qiáng)度值的數(shù)據(jù)，所以這里是1.

RANGE ：要測量的強(qiáng)度值范圍.通常，它是[0,256]，即所有強(qiáng)度值.

cv.calcHist（images，channels，mask，histSize，ranges [，hist [，accumulate]]）

images：它是uint8或float32類型的源圖像。它應(yīng)該用方括號(hào)表示，即“[img]”;

channels：它也在方括號(hào)中給出.它是我們計(jì)算直方圖的通道索引.例如，如果輸入是灰度圖像，則其值為[0].對(duì)于彩色圖像，您可以通過[0]，[1]或[2]分別計(jì)算藍(lán)色，綠色或紅色通道的直方圖.

mask：蒙版圖像.要查找完整圖像的直方圖，它將顯示為“無”.但是，如果要查找圖像特定區(qū)域的直方圖，則必須為其創(chuàng)建蒙版圖像并將其作為蒙版.

histSize：這代表我們的BIN計(jì)數(shù).需要在方括號(hào)中給出.對(duì)于滿量程，我們通過[256].

ranges：這是我們的范圍。通常，它是[0,256].

代碼：

import cv2
import numpy as np

img = cv2.imread("img.jpg")
hist = cv2.calcHist([img],[0],None,[256],[0,256])

hist是256x1數(shù)組，每個(gè)值對(duì)應(yīng)于該圖像中具有相應(yīng)像素值的像素?cái)?shù)

hist，bins = np.histogram（img.ravel（），256，[0,256]）

hist與我們之前計(jì)算的相同. 但是bins將有257個(gè)元素，因?yàn)镹umpy計(jì)算bins為0-0.99,1-1.99,2-2.99等.所以最終范圍是255-255.99. 為了表示這一點(diǎn)，他們還在箱柜末尾添加256. 但我們不需要256.高達(dá)255就足夠了.

Numpy還有另一個(gè)函數(shù)np.bincount（），它比（大約10倍）np.histogram（）快得多。 因此，對(duì)于一維直方圖，您可以更好地嘗試. 不要忘記在np.bincount中設(shè)置minlength = 256.
例如，hist = np.bincount（img.ravel（），minlength = 256）

Note:OpenCV函數(shù)比np.histogram（）快（大約40倍）

Matplotlib附帶直方圖繪圖功能：matplotlib.pyplot.hist（）

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)
plt.hist(img.ravel(),256,[0,256])
plt.show()

原圖：

直方圖：

或者可以使用matplotlib的正常圖，這對(duì)BGR圖有好處.需要首先找到直方圖數(shù)據(jù).
代碼：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg")

color = ("b","g","r")
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

我們使用cv.calcHist（）來查找完整圖像的直方圖. 如果要查找圖像某些區(qū)域的直方圖， 只需在要查找直方圖的區(qū)域上創(chuàng)建一個(gè)白色的蒙版圖像，否則創(chuàng)建黑色. 然后將其作為掩模傳遞.

代碼：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("img.jpg",0)

# create a mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv2.bitwise_and(img,img,mask = mask)

# Calculate histogram with mask and without mask
# Check third argument for mask
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256])

plt.subplot(221), plt.imshow(img, "gray")
plt.subplot(222), plt.imshow(mask,"gray")
plt.subplot(223), plt.imshow(masked_img, "gray")
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])

plt.show()