Opencv——calcHist（）函数

比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。images：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度（CV_8U or CV_32F）。这个就相当于横坐标，比如对像素值为0这个像素，如果数条的高度为100，表示有100个像素值为0的像素。

例如，如果一个图像的直方图集中在较暗的色调上，说明图像整体偏暗；第二个图像数组images[1]的通道编号紧接着第一个数组的通道编号之后，从images[0].channels()开始，直到images[0].channels() + images[1].channels()-1。第二个图像数组images[1]的通道编号紧接着第一个数组的通道编号之后，从images[0].channels()开始，直到images[0].channels() + images[1].channels()-1。

该函数用于统计图像中每个灰度值像素的个数，例如统计一幅 CV_8UC1的图像，需要统计灰度值从 0至255中每一个灰度值在图像中的像素个数，如果某个灰度值在图像中没有，那么该灰度值的统计结果就是 0。由于该函数具有较多的参数，并且每个参数都较为复杂，因此作者建议在使用该函数时只统计单通道图像的灰度值分布，对于多通道图像，可以将图像每个通道分离后再进行统计。为了使读者更加了解函数的使用方法，代码清单 4-2 中提供了绘制灰度图像的图像直方图的示例程序。在该程序中，首先使用 calcHist()

Opencv中的cv2.calcHist()函数的作用及返回值

输入的数据指针，要具备相同的尺寸和数据类型，可以有不同的通道数量，如果要计算n 个Mat数据，可以这么做：Mat images[n];就是上面的n，指明传入了多少个Mat数据通道列表,看看下面这张图，传入了这样2个Mat数据，每个Mat各自包含3个通道，通道的索引依次是0，1，2，3，4，5。const int channels[3]={0,2,4},表示索引序号是0，2，4的三个通道会参与计算。表示掩码，与images尺寸相同的8bits 数组，传入一个空Mat即可。

本文介绍了OpenCV calcHist()函数,并以一个示例程序演示了其用法.

直方图(Histogram)又称柱状图、质量分布图，是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。在图像处理上，直方图是图像信息统计的有力工具。其实也就是统计一幅图某个亮度像素数量。

calcHist() 函数有 3 个构造函数 第一个构造函数： calcHist() [1/3] void cv::calcHist ( const Mat * images, int nimages, const int * channels, InputArray mask, OutputArray hist, int dims, const int * histSize, const float ** ranges, bool uniform = true, bool accumu

图像直方图 """ 图像的直方图,用来观察图像的主要特征颜色 """ import cv2 as cv from matplotlib import pyplot as plt def plot_demo(image): # ravel 函数将多维数组转换为一维数组 plt.hist(image.ravel(), 256, range=[0, 256]) # 下面的函数...

1、calcHist函数是干什么滴？ 这个问题嘛，看看标题，标题，对啊，你这么聪明，一定猜得到： calcHist函数是用来计算图像直方图的。 2、calcHist函数调用形式 C++:voidcalcHist(const Mat*images, intnimages, const int*channels, InputArraymask, OutputArrayhist, ...

在opencv中提供了calcHist()函数计算图像的直方图，计算完成后可以采用前面提到的opencv中的绘图函数如rectangle、line()等绘制显示出来.calcHist()函数原型如下： void cv::calcHist ( const Mat * images, int nimages, const int * ch...

上一章内容中，为大家简单介绍了图像直方图，和直方图均衡化的目的和相关的案例源码，本章节我们将继续深化这部分内容，因为这部分内容也是一个比较有意思的内容。本章内容主要围绕cv.calcHist()的使用方法展开，为大家详细介绍它的用法，注重实际使用！请认真看看哈。

在代码中，计算两个通道，通过参数histSize指定，每个通道都分成8个分区，因此可能有64种组合结果，因此二维直方图的大小为8*8的矩阵。在图像中(3,10)这个组合的数据只有一个，对应的分区编号是(3,2)，因此二维直方图中(3,2)位置的数据值为1，即上图中绿色标记的位置。在图像中 (3, 11)这个组合的数据有两个， (3, 11)对应的分区编号是(3,3)，因此上图中的红色标记的位置的统计值为2。此时需要将dims参数设置为2。

什么是直方图? 直方图是对数据的集合统计，并将统计结果分布于一系列预定义的bins中。 这里的数据不仅仅指的是灰度值 (如上一篇您所看到的)， 统计数据可能是任何能有效描述图像的特征。 先看一个例子吧。 假设有一个矩阵包含一张图像的信息 (灰度值) 如果我们按照...

可以将直方图视为显示图像强度分布的图形。X 轴为像素值（通常范围为 0 到 255），Y 轴为图片中的像素数。这只是查看图像的不同方式。当您查看图像的直方图时，您可能会感觉到图像的对比度、亮度、强度分布等。今天几乎所有的图像处理软件都包含直方图功能。

图像直方图是对数据集合的一种统计方法，将统计结果分布于一系列预定义的bin中，bin是直方图中经常用到的一个概念，其数值是从数据中计算出的特征统计量，这些数据不仅仅指的灰度值，统计数据可能是任何能有效描述图像的特征包括梯度、方向、色彩或任何其他特征。直方图获得的是数据分布的统计图，通常直方图的维数要低于原始数据。 图像直方图是用以表示数字图像中亮度分布的直方图，标绘了图像中亮度值的像素数。可以借助

OpenCV2.4.13 calcHist 通过图像计算直方图 函数声明如下： void calcHist( const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int...

对OpenCV的函数calcHist()进行透彻解析

本文详细介绍了OpenCV-Python图像直方图计算calcHist函数的语法以及使用案例，从几个测试案例可以看出OpenCV-Python的直方图计算比C语言版本功能还是差的比较多。最后介绍了一个使用matplotlib画出直方图的完整案例和代码。希望这些介绍有助于大家详细了解OpenCV-Python图像直方图计算的方法。