目錄
1 灰度直方圖簡介
1.1 灰度直方圖概念
灰度直方圖（histogram）是灰度級的函數，描述的是圖像中每種灰度級像素的個數，反映圖像中每種灰度出現的頻率。其中，橫座標是灰度級，縱座標是灰度級出現的頻率。
1.2 灰度直方圖作用
1）在使用輪廓線確定物體邊界時，通過直方圖更好的選擇邊界閾值，進行閾值化處理；
2）對物體與背景有較強對比的景物的分割特別有用；
3）簡單物體的面積和綜合光密度IOD可以通過圖像的直方圖求得。
1.3 繪製的直方圖
假設存在一個 3
根據上面的數據，繪製的直方圖如下所示：
如果灰度級爲0-255（最小值0黑色，最大值255白色），同樣可以繪製對應的直方圖，下圖是三張圖片拼接而成及其對應的直方圖。
1.4 歸一化直方圖
該直方圖的橫座標表示圖像中各個像素點的灰度級，縱座標表示出現這個灰度級的概率。其計算方法如下：
(1) 先計算灰度級及對應像素的個數
(2) 統計總的像素個數
(3) 統計各個灰度級的出現概率
2 matplotlib庫 繪製直方圖-hist()
使用matplotlib的子庫pyplot實現，它提供了類似於Matlab的繪圖框架，matplotlib是非常強大基礎的一個Python繪圖包。其中繪製直方圖主要調用 hist() 函數實現，它根據數據源和像素級繪製直方圖。
hist()函數形式如下：
hist(數據源, 像素級)
其中，參數：
數據源：必須是一維數組，通常需要通過函數 ravel() 拉直圖像
像素級：一般是256，表示[0, 255]
函數 ravel() 將多維數組降爲一維數組，其格式爲：
一維數組 = 多維數組.ravel()
代碼如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread('zxp.jpg')
cv2.imshow("src", src)
plt.hist(src.ravel(), 256)
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
運行結果如下圖所示：
上述是調用 matplotlib庫 中的hist() 函數來繪製直方圖，接下來介紹使用OpenCV庫中的calcHist() 函數繪製直方圖。
3 OpenCV庫 繪製直方圖-calcHist()
使用OpenCV庫中的 calcHist() 函數來繪製直方圖：
hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
其中，參數：
hist 表示直方圖，返回的是一個二維數組；
images 表示原始圖像；
channels 表示指定通道，通道編號需要用中括號括起，輸入圖像是灰度圖像時，它的值爲[0]，彩色圖像則爲[0]、[1]、[2]，分別表示B、G、R；
mask 表示掩碼圖像，統計整副圖像的直方圖，設爲None，統計圖像的某一部分直方圖時，需要掩碼圖像；
histSize 表示BINS的數量，參數子集的數目，如下圖當bins=3表示三個灰度級；
ranges 表示像素值範圍，例如[0, 255]；
accumulate 表示累計疊加標識，默認爲false，如果被設置爲true，則直方圖在開始分配時不會被清零，該參數允許從多個對象中計算單個直方圖，或者用於實時更新直方圖；多個直方圖的累積結果用於對一組圖像的直方圖計算。
（1）計算圖像灰度級的基本大小、形狀及內容
代碼如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread('zxp.jpg')
# 參數:原圖像 通道[0]-B 掩碼 BINS爲256 像素範圍0-255
hist = cv2.calcHist([src], [0], None, [256], [0,255])
print('type=',type(hist))
print('size=',hist.size)
print('shape=',hist.shape)
print("-------------------")
print('hist=',hist)
運行結果如下圖所示：
由上面的結果可知：
（1）直方圖是一個數組；
（2）大小爲256，；
（3）形狀爲256行，1列的數組。
（2）補充：matplotlib庫 繪製圖像
代碼如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
#繪製sin函數曲線
x1 = np.arange(0, 6, 0.1)
y1 = np.sin(x1)
plt.plot(x1, y1)
#繪製座標點折現
x2 = [0, 1, 2, 3, 4, 5, 6]
y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2]
plt.plot(x2, y2)
#省略有規則遞增的x2參數
y3 = [0, 0.5, 1.5, 2.4, 4.6, 8]
plt.plot(y3, color="r")
plt.show()
運行結果如下圖所示：
（3）使用OpenCV庫 中的 calcHist() 函數 計算B、G、R通道的灰度級並繪製圖形
代碼如下所示：
#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread('zxp.jpg')
histb = cv2.calcHist([src], [0], None, [256], [0,255])
histg = cv2.calcHist([src], [1], None, [256], [0,255])
histr = cv2.calcHist([src], [2], None, [256], [0,255])
cv2.imshow("src", src)
plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
運行結果如下圖所示：
參考資料
[1] https://blog.csdn.net/Eastmount/article/details/83758402