本文中涉及到的 matplotlib 繪圖庫的知識可以參考我的之前的文章：Python 繪圖庫 Matplotlib

目錄

1. 直方圖概述

（1）基本概念

（2）直方圖中的術語

BINS

DIMS

RANGE

2. 直方圖繪制

（1）讀取圖像信息

（2）繪制直方圖

灰度圖的直方圖?

彩色圖直方圖

3. 掩膜直方圖

（1）基本概念

（2）實現代碼

得到掩模圖

繪制掩膜直方圖?

4. H-S 直方圖

（1）基本概念

（2）繪制二維H-S直方圖

結束語

---

1. 直方圖概述

（1）基本概念

? ? ? ?直方圖就是對圖像的另外一種解釋，它描述了整幅圖像的灰度分布。直方圖的 x 軸代表灰度值（0~255），y 軸代表圖片中同一種灰度值的像素點的數目，所以通過直方圖我們可以對圖像的亮度、灰度分布、對比度等有了一個直觀的認識

（2）直方圖中的術語

BINS

? ? ? ?前面說到，直方圖中的 x 軸表示的是灰度值，一幅灰度圖的灰度等級有 256 級，所以我們是否需要將每一個等級標注在一條軸上呢？或者如果我們需要的不是每一個灰度值的分布，而是一個范圍內的灰度分布呢？所以我們將每一個需要的灰度值范圍稱為一個 BIN，即所有的灰度等級被分為幾個小組，每一個小組是一個 BIN

DIMS

? ? ? ?代表的是我們收集的圖像的參數的數目，直方圖我們如果只收集灰度值一個參數，那么該參數的值就是1

RANGE

? ? ? ?代表統計的灰度值的范圍，一般的范圍是[0-255]

2. 直方圖繪制

（1）讀取圖像信息

? ? ? ?在計算機視覺系列的文章中第一件事就是讀取圖像信息：

""" Author:XiaoMa date:2021/10/24 """ #調用需要的包 import cv2 import matplotlib.pyplot as pltimg0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg') img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY) #轉化為灰度圖 h, w = img1.shape[:2] print(h, w) cv2.namedWindow("W0") cv2.imshow("W0", img1) cv2.waitKey(delay = 0)

圖像信息如下：

419 636?

（2）繪制直方圖

繪制直方圖使用的函數如下：

hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate) images:原圖 channels:指定通道 [0]代表灰度圖，如果讀入的圖像不是灰度圖，該值可以是[0],[1],[2]分別代表通道 B,G,R mask:掩碼圖像，進行整張圖的繪制時為 None histSize:BIN 的數量 ranges:像素值范圍 accumulate:累計標識，一般可以省略

灰度圖的直方圖?

#繪制直方圖 hist = cv2.calcHist([img1], [0], None, [256], [0, 255]) plt.plot(hist, color = 'lime', label = '直方圖', linestyle = '--') plt.legend() plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg') plt.show()

??

? ? ? 可以看出這幅灰度圖中亮度較高的像素點還是占多數的，即整體亮度較高

彩色圖直方圖

讀入彩色圖像，并對某一個通道進行直方圖繪制

""" Author:XiaoMa date:2021/10/24 """ #調用需要的包 import cv2 import matplotlib.pyplot as pltplt.rcParams['font.family'] = 'SimHei' #將全局中文字體改為黑體img0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg') img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY) h, w = img1.shape[:2] print(h, w) cv2.namedWindow("W0") cv2.imshow("W0", img0) cv2.waitKey(delay = 0)#繪制直方圖 hist = cv2.calcHist([img0], [0], None, [256], [0, 255]) plt.plot(hist, color = 'lime', label = '藍色通道直方圖', linestyle = '--', alpha = 1) plt.legend() plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg') plt.show()

上圖就是對藍色通道繪制的直方圖?

3. 掩膜直方圖

（1）基本概念

? ? ? ?如果我們不需要整幅圖像中的直方圖，而是某個區域的直方圖，我們只需要繪制一幅圖，將需要統計的部分設置為白色，不需要統計的部分設置為黑色，就構成了一幅掩膜圖像

（2）實現代碼

得到掩模圖

##得到掩膜圖 mask = np.zeros(img0.shape, np.uint8) #將每一個像素點設置為0，就是黑色 mask[109:309, 212:412] = 255 #選取特定區域設置為白色 img0_1 = cv2.bitwise_and(img0, mask) #圖像與操作得到掩膜圖 cv2.namedWindow("W1") cv2.imshow("W1", img0_1) cv2.waitKey(delay = 0)

繪制掩膜直方圖?

#繪制掩膜直方圖 ##得到掩膜圖 mask = np.zeros(img1.shape, np.uint8) #將每一個像素點設置為0，就是黑色 mask[109:309, 212:412] = 255 #選取特定區域設置為白色 img1_1 = cv2.bitwise_and(img1, mask) #圖像與操作得到掩膜圖 cv2.namedWindow("W1") cv2.imshow("W1", img1_1) cv2.waitKey(delay = 0) ##繪制掩膜直方圖和部分圖像直方圖 hist1 = cv2.calcHist([img1], [0], mask, [256], [0, 255]) #掩膜圖直方圖，參數需要修改 hist2 = cv2.calcHist([img1], [0], None, [256], [0,255]) plt.plot(hist1, color = 'b', label = '掩膜直方圖', linestyle = '--') plt.plot(hist2, color = 'r', label = '原圖直方圖', linestyle = '-.') plt.legend() plt.savefig('E:\From Zhihu\For the desk\cvseven2.jpeg') plt.show()

得到的圖像如下：
??

4. H-S 直方圖

（1）基本概念

? ? ? ? H(Hue) - S(Saturation) 直方圖，即色調 - 飽和度直方圖

?繪制該直方圖需要將源RGB圖像轉化到 HSV （色調、飽和度、亮度）顏色空間中去

對于HSV空間的介紹可以參考：圖像處理(HSV)

img0_2 = cv2.cvtColor(img0, cv2.COLOR_BGR2HSV) #將 RGB 空間轉化為 HSV 空間 cv2.namedWindow("W2") cv2.imshow("W2", img0_2) cv2.waitKey(delay = 0)

??

（2）繪制二維H-S直方圖

此處參考：OpenCV 官網

##繪制H-S直方圖 hist3 = cv2.calcHist ([img0_2], [0, 1], None , [180, 256], [0, 180, 0, 256])#官網給出的解釋：channel = [0,1] 因為我們需要同時處理 H 和 S 平面；bins = [180,256] H 平面為 180，S 平面為 256；range = [0,180,0,256] 色調值介于 0 和 180 之間，飽和度介于 0 和 256 之間 plt.imshow(hist3) plt.savefig('E:\From Zhihu\For the desk\cvseven3.jpeg') plt.show()

得到的圖像如下：

? ? ? ??上圖中的 X 軸代表S（飽和度），Y軸代表H（色調）?

? ? ? ? 該圖中的峰值主要分布在 S 在（0-50）之間 H在（20-80），至于為什么峰值較少，個人猜測是由于原圖中的色彩變化不明顯，導致沒辦法繪制出過多過明顯的峰值

結束語

? ? ? ?本篇文章簡單介紹了圖像直方圖的概念，并進行了直方圖、掩膜直方圖、H-S 直方圖的繪制，參考的一些文章都添加在了原文中，如果需要深入了解可以點進去進行學習，加油！

總結

以上是生活随笔為你收集整理的Python 计算机视觉（七）—— OpevCV进行直方图统计的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。