基礎知識鋪墊
截止到本篇部落格，已經第二次聽到直方圖這個概念了，有必要將其搞懂。
影象直方圖（histogram）是影象統計學特徵，用來統計畫素值出現的頻次，常用在分析影象的基本特徵。
建立直方圖一般分為兩個步驟：
統計資料
繪製直方圖
直方圖的定義
橫座標：影象中各個畫素點的灰度級
縱座標：該灰度級的畫素個數
繪製直方圖需要 matplotlib 庫，這個需要自行安裝一下。
matplotlib 中 pyplot 繪製直方圖
在 pyplot 中提供了域名交易一個繪製直方圖的函式，名稱為 hist。
函式原型介紹
matplotlib.pyplot.hist() 函式原型如下
(n, bins, patches)=matplotlib.pyplot.hist(x, bins=None, range=None, density=None, weights=None,

cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertical’,
rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, **kwargs)
引數非常多，實際應用中只需掌握幾個重要引數。

n, bins, patches = plt.hist(data)
plt.show()
其中，np.random.normal(0,1,10000) 函式說明如下，np.random.normal() 是一個正態分佈，normal這裡是正態的意思。

該函式原型為：
numpy.random.normal(loc=0.0, scale=1.0, size=None)
引數說明如下：
loc：概率分佈的均值，對應著整個分佈的中心 center
scale：概率分佈的標準差，對應於分佈的寬度，scale 越大，越矮胖，scale 越小，越瘦高
size：資料型別為 int or tuple of ints， 輸出的 shape，預設為 None，只輸出一個值
其實該函式的目的就是，輸出為高斯分佈的一組數或一個值。
簡單案例：
data = np.random.normal(loc=0, scale=1, size=2)print(data)
繼續回顧 matplotlib.pyplot.hist() 函式的相關引數（官網說明）：
只選取其中比較重要的幾個引數如下：
x：(n,) array or sequence of (n,) arrays
指定要繪製直方圖的資料,必須是一維陣列.使用.ravel()將你的通道值轉為一維陣列
bins：integer or sequence or ‘auto’, optional
指定直方圖條形的個數，integer 或 auto,也可以不設定.舉例[1,2,3,4],則第一個柱為取值[1,2),一次類推,最後一個是取值[3,4].預設 taken from the rcParam hist.bins.
range：tuple or None, optional
陣列或者不給.給出陣列將指定直方圖資料的上下界，超出範圍的捨棄.不設定的話包含繪圖資料的最大值和最小值；預設為 None
基於上述內容，將一副影象的直方圖顯示出來。
做一些準備工作
x： 影象，必須是一維陣列
其中函式 ravel b = a.ravel()
功能： 將多維陣列降為一維陣列
格式： 一維陣列=多維陣列.revel()
bins： 一般是 256，指[0, 255]
以上內容掌握之後，就可以處理影象的直方圖了，程式碼如下：
import cv2from matplotlib import pyplot as plt

def plot_demo(image):
# numpy 的 ravel 函式功能是將多維陣列降為一維陣列
plt.hist(image.ravel(), 256, [0, 256])
plt.show()

if name == “main”:
img = cv2.imread("./106.jpg")
cv2.namedWindow(“input image”, cv2.WINDOW_AUTOSIZE)
cv2.imshow(“input image”, img)
plot_demo(img)

cv2.waitKey(0)
cv2.destroyAllWindows()

函式原型介紹
在 Python OpenCV 中實現直方圖的函式為cv2.calcHist，原型如下：

channels：選取影象的哪個通道，用方括號給出的，計算直方圖的 channel 的索引，如果輸入時灰度圖，值就是 [0]，對於彩色圖片，你可以傳 [0] ，[1] 和 [2] 來分別計算藍色，綠色和紅色通道的直方圖；
mask：掩膜，如果要找整個影象的直方圖，這裡傳入"None"。如果你想找到特定區域圖片的直方圖，需要使用掩膜，只計算值>0 的位置上畫素的顏色直方圖
histSize：直方圖大小，BINS 數量（BINS 是啥，下面細說），要方括號傳入，對於全刻度，傳入 [256]
ranges：直方圖範圍，一般來說是[0,256]
關於上文提及的 BINS 等內容涉及直方圖如下概念：
BINS: 在上面的直方圖當中，如果畫素值是 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畫素值的畫素數目，只想知道兩個畫素值範圍內的畫素點數目即可？首先畫素值在 0–15 之間的畫素點數目，然後是 16–31 ……直到 240–255，即每次間隔 16 個數字，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。
彩色影象，不同通道的直方圖
首先繪製藍色通道的直方圖，程式碼如下：
import cv2 as cvimport numpy as npfrom matplotlib import pyplot as plt

img = cv.imread(’./106.jpg’)
hist = cv.calcHist([img], [0], None, [256], [0,256])

plt.plot(hist, label=‘B’, color=‘b’)
plt.show()