Opencv 学习笔记：手动绘制彩色图像的 RGB 通道直方图

直方图是分析图像像素分布的核心工具，本文通过自定义函数实现彩色图像 BGR 三通道直方图的手动绘制，新手可直观理解直方图的计算与可视化逻辑。

核心代码实现

python 复制代码

import cv2 as cv
import numpy as np

# 定义计算并绘制直方图的函数
def calcanddrawhist(src, color):
    # 1. 计算直方图：[图像], [通道索引], 掩膜, 直方图条数, 像素值范围
    hist = cv.calcHist([src], [0], None, [256], [0.0, 255.0])
    
    # 2. 获取直方图最大值（用于归一化）
    min_val, max_val, min_loc, max_loc = cv.minMaxLoc(hist)
    
    # 3. 创建256×256的空白画布（用于绘制直方图）
    hist_img = np.zeros([256, 256, 3], np.uint8)
    hpt = int(0.9 * 256)  # 限制直方图高度（预留10%边距）
    
    # 4. 遍历每个像素值，绘制直方图线条
    for h in range(256):
        # 归一化直方图数值到画布高度范围
        intensity = int(hist[h] * hpt / max_val)
        # 绘制垂直线：从底部向上，颜色为指定通道色
        cv.line(hist_img, (h, 256), (h, 256-intensity), color)
    
    return hist_img

# 主程序
src = cv.imread('.\image\1.bmp')
if src is None:
    print('could not load image')
    exit()
cv.imshow('src', src)

# 拆分BGR通道
b, g, r = cv.split(src)

# 分别计算并绘制各通道直方图
hist_imgb = calcanddrawhist(b, [255, 0, 0])  # 蓝色通道（B）
hist_imgg = calcanddrawhist(g, [0, 255, 0])  # 绿色通道（G）
hist_imgr = calcanddrawhist(r, [0, 0, 255])  # 红色通道（R）

# 显示各通道直方图
cv.imshow('his_b', hist_imgb)
cv.imshow('his_g', hist_imgg)
cv.imshow('his_r', hist_imgr)

cv.waitKeyEx(0)
cv.destroyAllWindows()

关键知识点解析

1. 直方图绘制核心流程

步骤	核心 API / 操作	作用说明
计算直方图	`cv.calcHist()`	统计每个像素值（0-255）的出现次数
归一化	`hist[h] * hpt/max_val`	将直方图数值缩放到画布高度范围，避免超出画布
绘制线条	`cv.line()`	以像素值为 x 轴，出现次数为 y 轴，绘制垂直线条

2. 关键参数说明

cv.calcHist([src], [0], None, [256], [0.0, 255.0])：
- [src]：输入图像（需为列表格式）；
- [0]：通道索引（单通道处理时固定为 0）；
- None：无掩膜（分析整幅图像）；
- [256]：直方图条数（对应 0-255 像素值）；
- [0.0, 255.0]：像素值范围。
hpt = int(0.9 * 256)：预留 10% 画布边距，避免直方图顶边溢出。

3. 优化与扩展技巧

合并显示 ：将三个通道直方图拼接为一张图，更便于对比：

python

运行
python 复制代码
```
hist_merge = cv.hconcat([hist_imgb, hist_imgg, hist_imgr])
cv.imshow('hist_merge', hist_merge)
```

灰度图直方图 ：无需拆分通道，直接传入灰度图即可：

python

运行

python 复制代码

gray = cv.cvtColor(src, cv.COLOR_BGR2GRAY)
hist_gray = calcanddrawhist(gray, [255, 255, 255])  # 白色线条

效率优化：循环绘制可改用 numpy 向量化操作，提升大图像处理速度。

总结

直方图绘制核心是cv.calcHist()统计像素分布，再通过归一化 + 画线实现可视化；
彩色图像需拆分 BGR 通道分别绘制，通道颜色与线条颜色对应更易区分；
归一化步骤是关键，可避免直方图数值超出画布范围导致显示异常。