常言道“温故而知新”，写此文章就是对自己目前学习内容的小小的总结与记录。

本文力求用最简洁的语言，详细的代码将此部分内容讲解清楚，但由于博主同样是刚刚接触OpenCV，或许表达上有些瑕疵，还望读者能够指教探讨，大家共同进步。

博主机器配置为：VS2013+opencv2.4.13+Win-64bit。

若本文能给读者带来一点点启示与帮助，我就很开心了。

====================分割线====================

直方图的定义

直方图(Histogram)又称柱状图、质量分布图，是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。在图像处理上，直方图是图像信息统计的有力工具。其实也就是统计一幅图某个亮度像素数量。

1-换个角度认识图像（直方图）

第一个就是当我们面对图像的时候，我们面对的是抽象的矩阵，如下图，下面是0-255的灰度图像的表示，密密麻麻的。

那么我们做的直方图，其实就是对这些像素值的统计。例如：首先，我们需要把0-255分成 17 个区域（bin），如下图所示：

我们对每个范围中的灰度值进行统计排序，做出如下的表格：

我们是以图像的灰度为例子说明这个直方图，当然直方图不仅仅用于灰度特种统计排序，还可以用于图像的梯度、方向等特征。

灰度直方图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表示图像中该灰度级出现的个数（频率）。

在以上的过程中，我们使用到一些重要的参数，理解这些参数帮助我们更好的使用API函数。

dims：需要统计的特征的数目，我们上面只统计了灰度值这个特征，所以， dims =1。
bins：一般翻译为箱子，看上图，一共有16个bins，其实就和我们平时见得简单函数差不多。在图像直方图中，你可以把一个灰度值设置为一个bins，0~255强度的灰度值一共就需要256个bins，是不是很简单。
Range：就是范围啦，规定一个bins能够达到的最大和最小的范围。比如一张图片10*10，那么就有100个像素。然后前面已经说过，直方图是按照亮度统计像素数量，那么范围就是0~100啦。这里有一个地方要说一下，刚刚0~100还是对于比较小的图像，那么对于比较大的图像1000*1000，那么范围太大了。我们统计像素数量的时候肯定没有问题，但是要画直方图的时候，难道有一个包含100000个像素，岂不是要化的很长？所以，一般在画直方图的时候，会有一个比例缩放的过程，比如我提前定好我直方图最大的高度只能够是256，那么你就可以用(最大的高度/最大的像素量)统计到的像素量来进行缩放。这样就简单多了。我这里提到的缩放方式只是一种，你可以随便定义喜欢的缩放方式。

一维直方图的结构表示为：

再结合上面画的示意图，应该就很好理解了。

基本的概念其实很简答,想的时候要不要想复杂了,那么基本概念就到这里了。

===============分割线===============

2-相关函数说明

当然了，首先介绍的是计算直方图的函数了。

直方图计算：calcHist()函数

void calcHist( const Mat* images, int nimages,
                          const int* channels, InputArray mask,
                          OutputArray hist, int dims, const int* histSize,
                          const float** ranges, bool uniform=true, bool accumulate=false );

参数解释：

参数1：输入源图像。注意这里的格式是const Mat*，也就是说，你要传入一个地址，输入的数组(图片)或者数组集(一堆图片)需要为相同的深度（CV_8U或CV_32F）和相同的尺寸。
参数2：int类型的nimages，输入数组的个数，也就是第一个参数中存放了多少张“图像”，有几个原数组。
参数3：const int*类型的channels，用来计算直方图的channes的数组，需要统计的通道（dim）索引。第一个数组通道从0到images[0].channels()-1，而第二个数组通道从images[0]计算到images[0].channels()+images[1].channels()-1，以此类推。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。（这句表示没看懂）。
参数4：InputArray类型的mask，可选的操作掩码。如果此掩码不为空，那么它必须为8位（CV_8U）的数组，并且与images[i]有同样大小的尺寸，值为1的点将用来计算直方图。这里的非零掩码元素用于标记出统计直方图的数组元素数据。
参数5：OutputArray类型的hist，输出的计算出来的直方图，一个二维数组。
参数6：int类型dims，需要计算的直方图的维度，必须是正数，且不大于CV_MAX_DIMS。（32）
参数7：const int*类型的histSize，存放每个维度的直方图尺寸的数组。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。
参数8：const float**类型的ranges，表示每一个维度数组（第6个参数dims）的每一维的边界阵列，可以理解为每一维数值的取值范围。比如 float rang1[] = {0, 20}；float rang2[] = {30, 40}； const float*rangs[] = {rang1, rang2}；那么就是对0，20和30，40范围的值进行统计。
参数9：bool类型的uniform，表示直方图是否均匀的标识符，即每一个竖条的宽度是否相等。有默认值true。
参数10：bool类型的accumulate，累计标识符，有默认值false。若其为true，直方图在配置阶段不会被清零。此功能主要是允许从多个阵列中计算单个直方图，或者用于在特定的时间更新直方图。

=====================间隔线======================

寻找最值：minMaxLoc()函数

功能：查找全局最小和最大数组元素并返回它们的值和它们的位置。

void minMaxLoc(InputArray src, CV_OUT double* minVal,
                           CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,
                           CV_OUT Point* maxLoc=0, InputArray mask=noArray());

参数解释

参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。

=====================间隔线======================

归一化：normalize()函数

功能：缩放和移位数组元素，以便指定的标准（alpha）或最小（alpha）和最大（beta）数组值获得指定的值。

void normalize( InputArray src, OutputArray dst, double alpha=1, double beta=0,
                             int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray());

参数解释：

参数1：InputArray类型的src，输入数组（图像）。
参数2：OutputArray类似的dst，输出数组（图像），与输入图像类型尺寸一样。
参数3：alpha，表示range normalization模式的最小值。有默认值为1。
参数4：beta，表示range normalization模式的最大值，不用于norm normalization(范数归一化)模式。有默认值为0。
参数5：normType，表示归一化的类型，可以有以下的取值：

---------------NORM_MINMAX：数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
---------------NORM_INF：此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)。

---------------NORM_L1：归一化数组的L1-范数(绝对值的和)。

---------------NORM_L2：归一化数组的(欧几里德)L2-范数。

参数6：有默认值为-1。dtype为负数时，输出数组的type与输入数组的type相同；否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype)。
参数7：操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

=====================间隔线======================

绘图方法详情请看官方文档： 基本绘图

=======================分割线=====================

3-程序演示

//************************************************
//功能：灰度直方图的实现--即一维直方图  				*/
//		包括2种方式绘制出直方图图像				*/
//************************************************

#include <opencv2/core/core.hpp>                    
#include <opencv2/highgui/highgui.hpp>                    
#include <opencv2/imgproc/imgproc.hpp>                   
#include <iostream> 
using namespace std;
using namespace cv;

int main()
{
	Mat srcImage, grayImage;
	//------------【1】读取源图像并检查图像是否读取成功------------     
	srcImage = imread("D:/OutPutResult/ImageTest/jianzhu6.jpg");
	if (!srcImage.data)
	{
		cout << "读取图片错误，请重新输入正确路径！\n";
		system("pause");
		return -1;
	}
	//将彩色图转换为灰度图像
	cvtColor(srcImage, grayImage, CV_BGR2GRAY);
	imshow("【灰度图】", grayImage);

	//------------【2】定义直方图参数并计算直方图------------
	//1--计算的图像的通道，就是需要计算图像的哪个通道（BGR空间需要确定计算 B或G或R空间）
	const int channels[] = { 0 };
	//2--配置输出的结果存储的 空间 ，用MatND类型来存储结果
	MatND hist;
	//3--设置计算直方图的维度
	int dims = 1;
	//4--直方图的每一个维度的柱条的数目（就是将数值分组，共有多少组）
	const int histSize[] = { 256 }; //如果这里写成int histSize = 256;   那么下面调用计算直方图的calcHist()函数的时候，该变量需要写 &histSize
	//5--最后是确定每个维度的取值范围，就是横坐标的总数	
	float pranges[] = { 0, 255 };//首先得定义一个变量用来存储单个维度的数值的取值范围
	const float* ranges[] = { pranges };
	//6--计算直方图
	calcHist(&grayImage, 1, channels, Mat(), hist, dims, histSize, ranges, true, false);

	//------------【3】绘制直方图------------
	//*********绘制直方图(绘制方式一)*********
	int scale = 2;
	int hist_height = 256;
	Mat hist_img = Mat::zeros(hist_height, 256 * scale, CV_8UC3); //创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像
	//因为任何一个图像的某个像素的总个数，都有可能会有很多，会超出所定义的图像的尺寸，针对这种情况，先对个数进行范围的限制
	//先用 minMaxLoc函数来得到计算直方图后的像素的最大个数
	double max_val;
	minMaxLoc(hist, 0, &max_val, 0, 0);
	//将像素的个数整合到 图像的最大范围内
	//遍历直方图得到的数据
	for (int i = 0; i < 256; i++)
	{
		float bin_val = hist.at<float>(i);   //注意hist中是float类型
		int intensity = cvRound(bin_val*hist_height / max_val);  //要绘制的高度  
		rectangle(hist_img, Point(i*scale, hist_height - 1), Point((i + 1)*scale - 1, hist_height - intensity), Scalar(255, 255, 255));
		//line(hist_img, Point(i*scale, hist_height - 1), Point((i + 1)*scale - 1, hist_height - intensity), Scalar(255, 255, 255), 2, 8, 0);
	}

	//*********绘制直方图(绘制方式二)*********
	int hist_w = 500;
	int hist_h = 300;
	int nHistSize = 256;
	int bin_w = cvRound((double)hist_w / nHistSize);	//区间
	Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));//创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像
	//将直方图归一化到[0,histImage.rows]
	normalize(hist, hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	//在直方图画布上画出直方图
	for (int i = 1; i < nHistSize; i++)
	{
		line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(hist.at<float>(i - 1))),
			Point(bin_w*(i), hist_h - cvRound(hist.at<float>(i))), Scalar(0, 255, 0), 2, 8, 0);
	}

	//显示直方图
	imshow("【灰度直方图--方式一绘制】", hist_img);
	imshow("【灰度直方图--方式二绘制】", histImage);
	waitKey(0);
	return 0;
}

==================分割线=============