绘制灰度图像和彩色图像的直方图

• 图像直方图：图像直方图（Image Histogram）是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。这种直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。
• 图像直方图的意义：
  • 直方图是图像中像素强度分布的图形表达方式
  • 它统计了每一个强度值所具有的像素个数
  • CV领域常借助图像直方图来实现图像的二值化

直方图绘制

• 目的：直方图是对图像像素的统计分布，它统计了每个像素（0-255）的数量
• 函数：cv2.calcHist（images，channels，mask，histSize，ranges）
• 参数说明：
  • 参数1：待统计图像，需用中括号括起来
  • 参数2：待计算的通道
  • 参数3：Mask，这里没有使用，所以用None
  • 参数4：histSize，表示直方图分成多少份
  • 参数5：是表示直方图中各个像素的值，[0.0，256.0]表示直方图能表示像素值从0.0到256的像素。直方图是对图像像素的统计分布，它统计了每个像素（0到255）的数量。

 代码展示

'''
@author: 绯雨千叶

calcHist—计算图像直方图
函数原型：calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)
images：图像矩阵，例如：[image]
channels：通道数，例如：0
mask：掩膜，一般为：None
histSize：直方图大小，一般等于灰度级数
ranges：横轴范围
'''
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread("../img/lrn.jpg")
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 获取灰度图像

# 灰度图像的直方图，方法一
plt.figure()  # 新建一个图像
plt.subplot(221)
plt.hist(img1.ravel(), 256)

# 灰度图像的直方图, 方法二
plt.subplot(222)
hist = cv2.calcHist([img1], [0], None, [256], [0, 256])
plt.plot(hist)

# 彩色图像直方图
plt.subplot(223)
chans = cv2.split(img)  # 将3通道BGR彩色图像分离为B、G、R 单通道图像
colors = ("b", "g", "r")
for (chan, color) in zip(chans, colors):
    hist = cv2.calcHist([chan], [0], None, [256], [0, 256])  # 分别是图像、通道数、mask、份数、灰度值范围
    plt.plot(hist, color=color)
    plt.xlim([0, 256])
plt.show()

 效果展示：