直方图

1.0 基本概念

    什么是直方图呢？通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值（0 到 255），y 轴是图片中具有同一个灰度值的点的数目。

    直方图其实就是对图像的另一种解释。一下图为例，通过直方图我们可以对图像的对比度，亮度，灰度分布等有一个直观的认识。几乎所有的图像处理软件都提供了直方图分析功能。

    让我们来一起看看这幅图片和它的直方图吧。（要记住，直方图是根据灰图像绘制的，而不是彩色图像）。直方图的左边区域像是了暗一点的像素数量，右侧显示了亮一点的像素的数量。从这幅图上你可以看到灰暗的区域比两的区域要大，而处于中间部分的像素点很少。

    现在我们知道什么是直方图了，那怎样获得一副图像的直方图呢？OpenCV 和 Numpy 都有内置函数做这件事。在使用这些函数之前我们有必要想了解一下直方图相关的术语。

    BINS：上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到 255，你就需要 256 个数来显示上面的直方图。但是，如果你不需要知道每一个像素值的像素点数目的，而只希望知道两个像素值之间的像素点数目怎么办呢？举例来说，我们想知道像素值在 0 到 15 之间的像素点的数目，接着是 16 到 31,....，240 到 255。我们只需要 16 个值来绘制直方图。OpenCV
Tutorials on histograms中例子所演示的内容。那到底怎么做呢？你只需要把原来的 256 个值等分成 16 小组，取每组的总和。而这里的每一个小组就被成为 BIN。

    DIMS：表示我们收集数据的参数数目。在本例中，我们对收集到的数据只考虑一件事：灰度值。所以这里就是 1。

    RANGE：就是要统计的灰度值范围，一般来说为 [0，256]，也就是说所有的灰度值

 

1.1 matlab绘制直方图

【matlab绘制直方图】
1.hist()函数
功能：根据数据源和像素级绘制直方图
语法：plt.hist(o.ravel(),256)：根据数据源和像素级绘制直方图
    |-数据源：必须是一维数组,一般灰度图像都是二维数组,o.ravel()将其转换为一维数组
    |-像素级：一般256
2.ravel()函数
功能：将原始图像(二维数组)o转换为一维数组
语法：一维数组=多维数组.ravel()
    [[1,2,3],
     [4,5,6],
     [7,8,9]]        转成一维数组       [1,2,3,4,5,6,7,8,9]

import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boat.jpg",0)
print(o.shape)
cv2.imshow("original",o)
print(o)
plt.hist(o.ravel(),256)
print(o.ravel())
plt.show()
cv2.waitKey()
cv2.destroyAllWindows()

输出：

(1024, 1024)
[[127 125 124 ... 171 170 163]
 [127 126 125 ... 168 168 166]
 [128 127 126 ... 163 165 170]
 ...
 [113 113 114 ...  96  98 104]
 [113 114 115 ...  95  96 100]
 [113 114 116 ...  94  94  98]]
[127 125 124 ...  94  94  98]

【扩充】plot的使用

【plot使用】

plt.plot(x, y)
    |-x：指定x的取值
    |-y：指定y的取值
np.arange(0, 5, 0.1)
    |-0：起点
    |-5：终点
    |-0.1：步长

import numpy as n