python OpenCV学习笔记之绘制直方图的方法

本篇文章主要介绍了python OpenCV学习笔记之绘制直方图的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

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

直方图会让你对图像的强度分布有一个全面的认识。它是一个在x轴上带有像素值（从0到255，但不总是），在y轴上的图像中对应的像素数量的图。

这只是理解图像的另一种方式。通过观察图像的直方图，你可以直观地看到图像的对比度、亮度、强度分布等。现在几乎所有的图像处理工具都提供了直方图的特性。下面是剑桥彩色网站的图片，建议去访问这个网站，了解更多细节。

你可以看到图像和它的直方图。（这个直方图是用灰度图像绘制的，而不是彩色图像）。直方图的左边部分显示了图像中较暗像素的数量，右边区域显示了更明亮的像素。从直方图中可以看到，深色区域的像素数量比亮色区域更多，而中间色调的数量(中值大约在127左右)则少得多。

直方图

现在我们已经知道了什么是直方图，我们可以看看如何找到它。OpenCV和Numpy都有内置的功能。在使用这些函数之前，我们需要了解一些与直方图相关的术语。

BINS：上面的直方图显示了每个像素值的像素数，从0到255。您需要256个值来显示以上的直方图。但是，考虑一下，如果您不需要单独查找所有像素值的像素数量，而是在一个像素值区间内的像素数量，该怎么办？例如，你需要找到介于0到15之间的像素数，然后是16到31……240到255。您只需要16个值来表示这个直方图。OpenCV Tutorials on histograms中展示了这个例子。

所以你要做的就是把整个直方图分成16个子部分，每个子部分的值是所有像素数的和。每个子部分都被称为“BIN”。在第一种情况下，BINS的数量是256(每个像素一个)，而在第二种情况下，它只有16个。在OpenCV文档中，用术语 histSize 表示 BINS。

DIMS：它是我们收集数据的参数的个数。在这种情况下，我们收集的数据只有一件事，强度值。所以这里是1。

RANGE：它是你想测量的强度值的范围。通常，它是 [ 0，256 ]，也就是所有的强度值。

OpenCV中直方图的计算

现在我们使用cv.calcHist()函数来找到直方图。让我们熟悉一下这个函数及其参数：
cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

images：它是uint8类型或float32的源图像。它应该用方括号括起来，也就是”[img]”。

channels：它也用方括号括起来。它是我们计算直方图的信道的索引。例如，如果输入是灰度图像，它的值是0。对于颜色图像，您可以通过0、1或2来分别计算蓝色、绿色或红色通道的直方图。