一、图像直方图的基本概念
在统计学中，直方图是一种对数据情况的图形表示，是一种二维统计图表。
图像直方图是一种表示数字图像中亮度分布 的直方图， 标绘了图像中每个亮度值得像素数。可以借助观察该直方图了解需要如何调整亮度分布的直方图。这种直方图中，横坐标得左侧为纯黑、较暗的区域，而右侧为较亮，纯白的区域。因此，一张较暗图片得直方图中得数据多集中于左侧和中间部分，而整体明亮、只有少量阴影得图像则相反。
- 横坐标：图像中各个像素点的灰度值（例如0~255）
- 纵坐标：具有该灰度级的像素个数
直方图可以说折线图 或者柱状图，图像图即为统计图像中各个灰度出现的次数。
如下图：
普通的直方图
用折线图的形式来表示：
或者以柱状图的形式来表示：
归一化的直方图
- 横坐标：图像中各个像素点的灰度级
- 纵坐标：出现这个灰度级的概率
直方图术语
- dims: 需要统计的特征的数目。例如：dims = 1,表示我们仅统计灰度值。
- range：统计灰度值的范围，一般为[0, 255]。
- bins：每个特征空间子区段的数目。
二、在OpenCV中使用统计直方图
使用API --- calcHist(images, channels, mask, histSize, ranges, [ hist[, accumulate]])
- images: 原始图像
- channels: 指定通道（需要用中括号括起来，输入图像是灰度图像时，值为[0], 彩色图像可以是[0], [1], [2], 分别对应B, G, R）
- mask：掩码图像 （统计整幅图像的直方图，设为None；统计图象某一部分的直方图时，需要掩码图像。）
- hisSize：BINS的个数（需要用中括号括起来，例如[256]）
- ranges：像素值范围，例如[0, 255]
- accumulate: 累计标识 （默认值为False；如果设为True， 则直方图在开始分配时不会被清零；该参数允许从多个对象中计算单个直方图，或者用于实时更新直方图；多个直方图的累计结果，用于对一组图像计算直方图）
示例代码如下：
import cv2
import numpy as np
lena = cv2.imread("beautiful women.png")
hist = cv2.calcHist([lena], [0],None, [256], [0, 255])
print(hist)
print(hist.size)
print(hist.shape)
输出结果如下：
输出的hist为返回的一个二阶列表（因为只统计了一个颜色通道）