首先需要导入第三方的库：
打开cmd界面输入：
pip install matplotlib
等待安装即可
#图像直方图（histogram）
import cv2 as cv
from matplotlib import pyplot as plt
def plot_demo(image):
plt.hist(image.ravel(),256,[0,256])
plt.show("直方图")
def image_hist(image):
color =('blue','green','red')
for i,color in enumerate(color):
hist =cv.calcHist([image],[i], None ,[256],[0,256])
plt.plot(hist,color=color)
plt.xlim([0,256])
plt.show()
src =cv.imread("C:\\Users\\william\\Pictures\\go.jpg")
cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
cv.imshow("input image",src)
image_hist(src)
cv.waitKey(0)
cv.destroyAllWindows()
hist（）
参数非常多，但常用的就这五个，只有第一个是必须的，后面四个可选
arr: 需要计算直方图的一维数组
bins: 直方图的柱数，可选项，默认为10
normed: 是否将得到的直方图向量归一化。默认为0
facecolor: 直方图颜色
alpha: 透明度
返回值 ：
n: 直方图向量，是否归一化由参数设定
bins: 返回各个bin的区间范围
patches: 返回每个bin里面包含的数据，是一个list
这里提醒一点一般这个hist用于计算灰度图像，也就是一维的图像
这里调用了image.ravel是为了降维（numpy.flatten()也可以降维）
两者的本质都是想把多维的数组降为1维。区别在于numpy.flatten()返回一份拷贝，对数据更改时不会影响原来的数组，而numpy.ravel()则返回视图，对数据更改时会影响原来的数组。
.enumerate()
用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据下标和数据，一般用在 for 循环当中。
cv2.calcHist（）
原型为：calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]]) -> hist
images参数表示输入图像，传入时应该用中括号[ ]括起来
channels参数表示传入图像的通道，如果是灰度图像，那就不用说了，只有一个通道，值为0，如果是彩色图像（有3个通道），那么值为0,1,2,中选择一个，对应着BGR各个通道。这个值也得用[ ]传入。
mask参数表示掩膜图像。如果统计整幅图，那么为None。主要是如果要统计部分图的直方图，就得构造相应的掩膜来计算。
histSize参数表示灰度级的个数，需要中括号，比如[256]
ranges参数表示像素值的范围，通常[0,256]。此外，假如channels为[0,1],ranges为[0,256,0,180],则代表0通道范围是0-256,1通道范围0-180。
plt.plot()
(x,y,format_string,**kwargs)
x轴数据，y轴数据，format_string控制曲线的格式字串 format_string 由颜色字符，风格字符，和标记字符
plt.xlim()
设置坐标的上下限