本文中涉及到的 matplotlib 绘图库的知识可以参考我的之前的文章：Python 绘图库 Matplotlib

目录

1. 直方图概述

（1）基本概念

（2）直方图中的术语

BINS

DIMS

RANGE

2. 直方图绘制

（1）读取图像信息

（2）绘制直方图

灰度图的直方图 

彩色图直方图

3. 掩膜直方图

（1）基本概念

（2）实现代码

得到掩模图

绘制掩膜直方图 

4. H-S 直方图

（1）基本概念

（2）绘制二维H-S直方图

结束语

---

1. 直方图概述

（1）基本概念

       直方图就是对图像的另外一种解释，它描述了整幅图像的灰度分布。直方图的 x 轴代表灰度值（0~255），y 轴代表图片中同一种灰度值的像素点的数目，所以通过直方图我们可以对图像的亮度、灰度分布、对比度等有了一个直观的认识

（2）直方图中的术语

BINS

       前面说到，直方图中的 x 轴表示的是灰度值，一幅灰度图的灰度等级有 256 级，所以我们是否需要将每一个等级标注在一条轴上呢？或者如果我们需要的不是每一个灰度值的分布，而是一个范围内的灰度分布呢？所以我们将每一个需要的灰度值范围称为一个 BIN，即所有的灰度等级被分为几个小组，每一个小组是一个 BIN

       代表的是我们收集的图像的参数的数目，直方图我们如果只收集灰度值一个参数，那么该参数的值就是1

RANGE

       代表统计的灰度值的范围，一般的范围是[0-255]

2. 直方图绘制

（1）读取图像信息

       在计算机视觉系列的文章中第一件事就是读取图像信息：

图像信息如下：

419 636 

（2）绘制直方图

绘制直方图使用的函数如下：

hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
images:原图
channels:指定通道 [0]代表灰度图，如果读入的图像不是灰度图，该值可以是[0],[1],[2]分别代表通道 B,G,R
mask:掩码图像，进行整张图的绘制时为 None
histSize:BIN 的数量
ranges:像素值范围
accumulate:累计标识，一般可以省略

灰度图的直方图 

      可以看出这幅灰度图中亮度较高的像素点还是占多数的，即整体亮度较高

彩色图直方图

读入彩色图像，并对某一个通道进行直方图绘制

上图就是对蓝色通道绘制的直方图 

3. 掩膜直方图

（1）基本概念

       如果我们不需要整幅图像中的直方图，而是某个区域的直方图，我们只需要绘制一幅图，将需要统计的部分设置为白色，不需要统计的部分设置为黑色，就构成了一幅掩膜图像

（2）实现代码

得到掩模图

绘制掩膜直方图 

得到的图像如下：

4. H-S 直方图

（1）基本概念

        H(Hue) - S(Saturation) 直方图，即色调 - 饱和度直方图

 绘制该直方图需要将源RGB图像转化到 HSV （色调、饱和度、亮度）颜色空间中去

对于HSV空间的介绍可以参考：图像处理(HSV)

（2）绘制二维H-S直方图

此处参考：OpenCV 官网

得到的图像如下：

        上图中的 X 轴代表S（饱和度），Y轴代表H（色调） 

        该图中的峰值主要分布在 S 在（0-50）之间 H在（20-80），至于为什么峰值较少，个人猜测是由于原图中的色彩变化不明显，导致没办法绘制出过多过明显的峰值

       本篇文章简单介绍了图像直方图的概念，并进行了直方图、掩膜直方图、H-S 直方图的绘制，参考的一些文章都添加在了原文中，如果需要深入了解可以点进去进行学习，加油！