Python版本是Python3.7.3，OpenCV版本OpenCV3.4.1，开发环境为PyCharm
13.3 使用OpenCV绘制直方图
OpenCV提供了函数cv2.calcHist()用来计算图像的统计直方图，该函数能统计各个灰度级的像素点个数。利用matplotlib.pyplot模块中的plot()函数，可以将函数cv2.calcHist()的统计结果绘制成直方图。
1．用cv2.calcHist()函数统计图像直方图信息
函数cv2.calcHist()用于统计图像直方图信息，其语法格式为：
hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )函数中返回值及参数的含义为：
● hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。
● images：原始图像，该图像需要使用“[ ]”括起来。
● channels：指定通道编号。通道编号需要用“[ ]”括起来，如果输入图像是单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[0]、[1]、[2]，分别对应通道B、G、R。
● mask：掩模图像。当统计整幅图像的直方图时，将这个值设为None。当统计图像某一部分的直方图时，需要用到掩模图像。
● histSize:BINS的值，该值需要用“[ ]”括起来。例如，BINS的值是256，需要使用“[256]”作为此参数值。
● ranges：即像素值范围。例如，8位灰度图像的像素值范围是[0, 255]。
● accumulate：累计（累积、叠加）标识，默认值为False。如果被设置为True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。该参数允许从多个对象中计算单个直方图，或者实时更新直方图。该参数是可选的，一般情况下不需要设置。
eg1：使用cv2.calcHist()函数计算一幅图像的统计直方图结果，并观察得到的统计直方图信息。
根据题目的要求，编写代码如下：
import cv2
img=cv2.imread("image\\lena.bmp")
hist = cv2.calcHist([img],[0],None,[256],[0,255])
print(type(hist))
print(hist.shape)
print(hist.size)
print(hist)需要注意，在本例的cv2.calcHist()函数中：
● 第1个参数“[img]”表示要绘制直方图的原始图像，是使用“[ ]”括起来的。
● 第2个参数表示要统计哪个通道的直方图信息。本例中读取的img是灰度图像，所以使用“[0]”来表示。
● 第3个参数是掩模图像，在本例中的值为“None”，表示计算整幅图像的直方图。
● 第4个参数“[256]”表示BINS的值是256。
● 第5个参数“[0, 255]”表示灰度级的范围是[0, 255]。
程序运行结果如下图所示。
从图中可以看到，函数cv2.calcHist()返回值的数据类型为“ndarray”。该数据的shape为（256,1），说明其有256行1列。该数据的size为256，说明有256个元素，分别对应着256个灰度级在图像内出现的次数。
图中所示的程序运行结果的下半部分是hist内的部分数据，限于篇幅，这里仅截取了256条数据中的前6条。这6条数据，对应着灰度级为0~5的像素点出现的次数。
2.plot()函数的使用
使用matplotlib.pyplot模块内的plot()函数，可以将函数cv2.calcHist()的返回值绘制为图像直方图。下面通过三个例子来学习plot()函数的基本使用方法。
eg2：将给定的x= [0,1,2,3,4,5,6], y = [0.3,0.4,2,5,3,4.5,4]，使用plot()函数绘制出来。
根据题目的要求，编写代码如下：
import matplotlib.pyplot as plt
x = [0,1,2,3,4,5,6]
y = [0.3,0.4,2,5,3,4.5,4]
plt.plot(x,y)
plt.show( ) # 显示图像程序的运行结果如下图所示。图中x轴由x= [0, 1, 2, 3, 4, 5, 6]指定，y轴由y= [0.3, 0.4, 2, 5, 3, 4.5, 4]指定。
eg3：给定y = [0.3, 0.4, 2, 5, 3, 4.5, 4]，使用plot()函数将其绘制出来，观察绘制结果。
:如下代码：
import matplotlib.pyplot as plt
y = [0.3,0.4,2,5,3,4.5,4]
plt.plot(y)
plt.show( ) # 显示图像执行上述程序，运行结果如下图所示。从图中可以看出，在使用plot()函数时，如果仅仅指定一个参数，则其对应x轴的值默认是一个自然数序列x=[0, 1, … , n-1, n]。自然序列x的长度与y的长度保持一致。
eg4：使用plot()函数将两组不同的值a= [0.3, 0.4, 2, 5, 3, 4.5, 4], b=[3, 5, 1, 2, 1, 5, 3]以不同的颜色绘制出来。
代码如下：
import matplotlib.pyplot as plt
a = [0.3,0.4,2,5,3,4.5,4]
b=[3,5,1,2,1,5,3]
plt.plot(a,color='r')
plt.plot(b,color='g')
plt.show( ) # 显示图像上述代码中：
● color='r’表示绘图曲线的color属性是“red”，即绘图颜色是红色的。
● color='g’表示绘图曲线的color属性是“green”，即绘图颜色是绿色的。
在绘图时，可以根据需要将color属性设置为不同颜色。执行上述程序，绘图结果如下图所示。
3．绘制统计直方图
熟悉函数plot()的使用后，就可以使用它将函数cv2.calcHist()的返回值绘制为直方图了。
eg5：使用函数plot()将函数cv2.calcHist()的返回值绘制为直方图。
代码如下：
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boatGray.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
plt.plot(histb,color='b')
plt.show()
plt.show( ) # 显示图像运行上述程序，得到如下图所示直方图。
本例首先通过函数cv2.calcHist()得到图像的统计直方图数据，然后利用函数plot()将这些数据绘制出来。
eg6：使用函数plot()和函数cv2.calcHist()，将彩色图像各个通道的直方图绘制在一个窗口内。
代码如下：
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\girl.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
histg = cv2.calcHist([o],[1],None,[256],[0,255])
histr = cv2.calcHist([o],[2],None,[256],[0,255])
plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')
plt.show()运行上述程序，得到如下图所示直方图。
本例先通过函数cv2.calcHist()分别得到[0]、[1]、[2]三个通道（即B、G、R三个通道）的统计直方图数据，然后再通过plot()函数将这些数据绘制成直方图。
