直方图绘制与直方图均衡化实现

一，直方图的绘制

1.直方图的概念：

在图像处理中，经常用到直方图，如颜色直方图、灰度直方图等。
图像的灰度直方图就描述了图像中灰度分布情况，能够很直观的展示出图像中各个灰度级所
占的多少。
图像的灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其中，横
坐标是灰度级，纵坐标是该灰度级出现的频率。
（简洁来说：就是描述图像中各个灰度级的个数）

直方图反映了图像中的灰度分布规律。它描述每个灰度级具有的像素个数，但不包含
这些像素在图像中的位置信息。
图像直方图不关心像素所处的空间位置，因此不受图像旋转和平移变化的影响，可以作为图像的特征。

2.直方图的应用：

直方图的应用主要体现在来表现图像是否过亮或过暗，而解决的办法就是直方图均值化。

3.代码实现：

1. 头文件：

import cv2
import numpy as np
from matplotlib import pyplot as plt

2. 灰度图像直方图绘制：
   1. plt接口实现：

      # 获取灰度图像
      img = cv2.imread("lenna.png", 1)
      gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
      #cv2.imshow("image_gray", gray)
      
      # 灰度图像的直方图，方法一
      plt.figure()
      plt.hist(gray.ravel(), 256)
      plt.show()
      

   2. opencv接口实现：

      '''
      equalizeHist—直方图均衡化
      函数原型： equalizeHist(src, dst=None)
      src：图像矩阵(单通道图像)
      dst：默认即可
      '''
      
      # 灰度图像的直方图, 方法二
      hist = cv2.calcHist([gray],[0],None,[256],[0