本篇文章主要介紹了python OpenCV學習筆記之繪制直方圖的方法，小編覺得挺不錯的，現在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

官方文檔 – https://docs.opencv.org/3.4.0/d1/db7/tutorial_py_histogram_begins.html

直方圖會讓你對圖像的強度分布有一個全面的認識。它是一個在x軸上帶有像素值（從0到255，但不總是），在y軸上的圖像中對應的像素數量的圖。

這只是理解圖像的另一種方式。通過觀察圖像的直方圖，你可以直觀地看到圖像的對比度、亮度、強度分布等?，F在幾乎所有的圖像處理工具都提供了直方圖的特性。下面是劍橋彩色網站的圖片，建議去訪問這個網站，了解更多細節。

你可以看到圖像和它的直方圖。（這個直方圖是用灰度圖像繪制的，而不是彩色圖像）。直方圖的左邊部分顯示了圖像中較暗像素的數量，右邊區域顯示了更明亮的像素。從直方圖中可以看到，深色區域的像素數量比亮色區域更多，而中間色調的數量(中值大約在127左右)則少得多。

直方圖

現在我們已經知道了什么是直方圖，我們可以看看如何找到它。OpenCV和Numpy都有內置的功能。在使用這些函數之前，我們需要了解一些與直方圖相關的術語。

BINS：上面的直方圖顯示了每個像素值的像素數，從0到255。您需要256個值來顯示以上的直方圖。但是，考慮一下，如果您不需要單獨查找所有像素值的像素數量，而是在一個像素值區間內的像素數量，該怎么辦？例如，你需要找到介于0到15之間的像素數，然后是16到31……240到255。您只需要16個值來表示這個直方圖。OpenCV Tutorials on histograms中展示了這個例子。

所以你要做的就是把整個直方圖分成16個子部分，每個子部分的值是所有像素數的和。每個子部分都被稱為“BIN”。在第一種情況下，BINS的數量是256(每個像素一個)，而在第二種情況下，它只有16個。在OpenCV文檔中，用術語 histSize 表示 BINS。

DIMS：它是我們收集數據的參數的個數。在這種情況下，我們收集的數據只有一件事，強度值。所以這里是1。

RANGE：它是你想測量的強度值的范圍。通常，它是 [ 0，256 ]，也就是所有的強度值。

OpenCV中直方圖的計算

現在我們使用cv.calcHist()函數來找到直方圖。讓我們熟悉一下這個函數及其參數：
cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

images：它是uint8類型或float32的源圖像。它應該用方括號括起來，也就是”[img]”。

channels：它也用方括號括起來。它是我們計算直方圖的信道的索引。例如，如果輸入是灰度圖像，它的值是0。對于顏色圖像，您可以通過0、1或2來分別計算藍色、綠色或紅色通道的直方圖。