OpenCV-python学习笔记（三）——histograms直方图_opencv python histogram hsv-优快云博客

本文链接：https://blog.youkuaiyun.com/cliukai/article/details/101379638

本文介绍了使用OpenCV-Python进行图像处理时的直方图计算，包括灰度直方图、彩色直方图、二维直方图、直方图均一化以及带遮罩的直方图。直方图用于描述像素强度分布，通过直方图可以增强图像对比度，实现图像的视觉优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

histograms直方图

什么是直方图？

直方图就是描述像素强度intensity的分布图。如果是在RGB空间中，那么这个强度就指代某个像素在特定某一通道的值，一般是0-255。

在制作直方图的时候，X轴可以理解为箱子bin，如果有两个箱子，那么像素值（强度）在[0 128）区间的像素点就落在第一个箱子，[128 255）的像素点就落在第二个箱子。箱子的高度就是像素点的个数。

标准公式为

hist = cv2.calcHist(images, channels, mask, histSize, ranges)

channels是一个列表list格式，list里面装了indexs向量。例如一个RGB的3个通道，分别为[0, 1, 2]，如果是一个灰度图grayscale，那么只有一个通道，所以表示为[0]。

histSize表示把像素值离散化的程度，例如可以把RGB三个通道分别映射成32个子集，此时histSize为[32, 32, 32]，这三个数字可以各不相同。

ranges指定像素值的分布范围，例如RGB图像的像素分布一般是[0, 256]，但是其他色彩空间，例如HSV就可能会不一样。

核心公式如下，注意cv2.calcHist()里面除了mask其他都是列表的数据格式。

image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
hist = cv2.calcHist([image], [0], None, [256], [0,256])
plt.figure()
plt.plot(hist)

在这里插入图片描述

绘制各个通道的彩色直方图

# 首先进行通道分离
channels = cv2.split(image)
colors = ("blue",