圖像直方圖，本質上就是對圖像的所有像素點的取值進行統計，在不同的橫軸子區間內各有的像素點的數量作為縱軸取值。                                   

一、利用Matplotlib繪制圖像直方圖

在Matplotlib模塊中，有一個pyplot.hist函數，可以統計數組的取值在不同區間上的發生頻率，也即計算直方圖。

語法格式如下，參考官方API文檔：  

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)

因為涉及到的參數很多，我們就挑重點講。

• x是一維數組或者多個一維數組構成的序列；可以是二維數組，但不能是二維以上的數組。
• bins是橫軸劃分參數；如果bins是一個整數，代表橫軸劃分的份數，默認取10；如果bins是一個數值序列，序列中的各個數值表示橫軸分隔點。
• range是橫軸有效顯示范圍（計數范圍），只顯示這個范圍之內的數據。
• density是概率密度直方圖標志，默認為False，表示縱軸的取值是子區間內數值點的數量；如果設置為True，表示直方圖和橫軸圍成的區域面積應該為1，因此需要對每個子區間的計數進行歸一化。
• 函數返回結果是一維數組或者包括多個一維數組的序列（取決於x的類型），因為bins默認是10，所以默認每一個一維數組的長度就是10；一維數組的每一個元素取值代表在對應子區間內的次數。

下面分享一個案例。

import cv2 as cv
import matplotlib.pyplot as plt
img = cv.imread('images/lena.png')
plt.figure()
plt.subplot(1,2,1)
arr = plt.hist(img.ravel())
plt.subplot(1,2,2)
plt.imshow(img[:, :, ::-1])
plt.show()
print(img.ravel())
print(arr)
cv.waitKey()
cv.destroyAllWindows()

二、 利用OpenCV中的calcHist繪制

OpenCV中的calcHist函數只能用來計算圖像直方圖對應的數字信息，而無法像matplotlib.pyplot的hist函數一樣直接在執行完後還能將直方圖繪制出來。

OpenCV中的calcHist函數的語法格式如下。

cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

• images應是位深度為8位無符號整型或32位浮點型的圖像多維數組；書寫形式上應該在圖像多維數組變量兩邊加方括號，比如[img]。
• channels是通道索引號，索引用方括號包裹；對於灰度圖，只能用[0]；對於BGR三通道圖像多維數組，可以用[0]、[1]、[2]，表示分別計算藍色、綠色、紅色通道上的直方圖。一次只能用一個通道進行計算，這一點與本文的第一部分不同，第一部分用的plt.hist函數允許對彩色圖進行多通道的直方圖並行計算，但是這樣的計算方式也肯定會降低直方圖特征精度。
• mask是遮罩控制參數，如果傳入None，則不進行遮罩控制，直接對全圖進行計算；而如果需要對圖像的特定子區域進行計算，那麼可以在運行函數前構建一個遮罩層。
• histSize代表了bin的數目，也需要用方括號包裹；比如對於uint8圖像，histSize=[255]時就對全部像素值進行單獨計數。
• ranges是計數范圍，只有在計數范圍內的像素值才會被計入；一般來說是[0, 255]。
• hist是一個histSize*1的數組，每一個元素代表對應的bin范圍內的像素數目（明顯是整數）。

計算得到hist後，如果想要繪制折線型直方圖，可以用plt.plot(hist)——並未涉及顏色和線型等格式的設置，只是想在這裡簡略提到，給讀者一個思路。

三、利用numpy中的histogram函數繪制

numpy中的histogram函數與OpenCV中的calcHist函數一樣，都不能直接繪直方圖，都只能得到各bin內的像素計數。

但是！！！OpenCV中的calcHist函數以及matplotlib的hist函數的bins劃分方式都是左閉右開，只有最右邊的一個區間才是全閉，比如[0, 1)，[1, 0)，...，[244, 255]；而numpy中的histogram函數是xxx（下圖由官網截得——OpenCV: Histograms - 1 : Find, Plot, Analyze !!!）

剛開始我以為numpy的這個函數確實如官網所述，但是後來我發現完全不用將bins=256，將range=[0, 256] 。詳見下面的代碼，雖然最後的點是10，在第10個bin中還是包括了像素點10，說明最後一個bin的區間范圍是[9, 10]，而不是[9, 9.99]。

import numpy as np
print(np.histogram([[1, 2, 5, 10], [1, 0, 3, 10]], bins=10, range=[0, 10]))
# (array([1, 2, 1, 1, 0, 1, 0, 0, 0, 2], dtype=int64), array([ 0., 1., 2., 3., 4., 5., 6., 7., 8., 9., 10.]))

說明！！！numpy的histogram函數的bins分配機制和其他兩者相同。

下面是numpy的histogram函數的語法格式，源於numpy.histogram — NumPy v1.23 Manual

numpy.histogram(a, bins=10, range=None, normed=None, weights=None, density=None)

• a是n維數組，注意這裡不跟matplotlib.pyplot.hist函數和cv.calcHist函數一樣，它對數組的維數沒有限制；因為在計算直方圖特性前，會對a直接進行鋪平。
• bins是直方圖x軸子區間劃定參數；跟matplotlib.pyplot.hist函數的幾乎一樣。
• range是計數范圍，只有在計數范圍內的像素值才會被計入；一般來說是[0, 255]。
• normed參數已經在numpy 1.6.0被遺棄，不再建議使用。
• weights是一個與a形狀相同的n維數組；a中的每個值僅將其關聯權重貢獻給bin計數（而不是1；意思是說如果對應的權重是2，那麼這個像素點所處的bin計數加的是2而不是1）。如果density為True，則對權重進行歸一化，以便密度在該范圍內的求和保持為1。
• density參數跟matplotlib.pyplot.hist函數的意義一樣。