灰度直方圖概括了圖像的灰度級信息，簡單的來說就是每個灰度級圖像中的像素個數以及占有率，創建直方圖無外乎兩個步驟，統計直方圖數據，再用繪圖庫繪制直方圖。

統計直方圖數據

首先要稍微理解一些與函數相關的術語，方便理解其在python3庫中的應用和處理

BINS: 在上面的直方圖當中，如果像素值是0到255，則需要256個值來顯示直 方圖。但是，如果不需要知道每個像素值的像素數目，只想知道兩個像素值之間的像素點數目怎么辦？例如，想知道像素值在0到15之間的像素點數目，然后是16到31。。。240到255。可以將256個值分成16份，每份計算綜合。每個分成的小組就是一個BIN（箱）。在opencv中使用histSize表示BINS。

DIMS: 數據的參數數目。當前例子當中，對收集到的數據只考慮灰度值，所以該值為1。

RANGE: 灰度值范圍，通常是[0,256]，也就是灰度所有的取值范圍。

統計直方圖同樣有兩種方法，使用opencv統計直方圖，函數如下：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

該函數的參數在了解以上術語加上自己百度后可以簡單應用

使用numpy統計函數，主要應用 numpy.histogram() 函數（還有 np.bincount() ，還未嘗試，讀者可以自己嘗試，大抵使用方法相同）

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

opencv處理速度優于numpy，同時對于學習opencv的同學來說，多運用cv的處理方法無疑更利于學習。

繪制直方圖

繪制直方圖一般使用Matplotlib繪制 ，這里要提一下matplotlib的 matplotlib.pyplot.hist() 函數，該函數可以直接統計繪制中方圖。統計函數為 calcHist() 或 np.histogram()
這是處理的樣圖

下面是代碼實現

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('/home/yc/Pictures/cat.jpg',0)plt.hist(img.ravel(),256,[0,256]);plt.show()

效果

灰度直方圖

當然，在顏色圖像檢索之類用法時，我們需要的是BGR直方圖，原理類似，統計時使用 cv2.calcHist()

函數

import cv2import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread('/home/yc/Pictures/cat.jpg',1)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()

效果如下