【完整带注释版】图像直方图绘制教程（OpenCV+Matplotlib）

下面是整理好的带详细注释 + 教学说明的代码，既可以直接运行，也适合作为学习笔记：

python

运行

复制代码

# 导入核心库
import cv2          # OpenCV：用于图像读取、直方图计算
import matplotlib.pyplot as plt  # Matplotlib：用于绘图展示

# ===================== 一、灰度图直方图（Matplotlib直接绘制） =====================
"""
核心原理：
将灰度图像的二维像素矩阵展平为一维数组，统计每个灰度值（0-255）的像素数量
适合快速查看整体灰度分布，代码更简洁
"""
# 1. 读取灰度图：cv2.IMREAD_GRAYSCALE 指定以灰度模式读取
phone_gray = cv2.imread(filename='phone.png', flags=cv2.IMREAD_GRAYSCALE)
# 检查图片是否读取成功（避坑：路径/文件名错误会导致返回None）
if phone_gray is None:
    print("❌ 错误：找不到phone.png，请检查文件路径/名称！")
else:
    # 2. 将二维图像矩阵展平为一维数组（比如200x200的图→40000个像素值的一维数组）
    pixel_values = phone_gray.ravel()
    
    # 3. 绘制直方图
    plt.figure(figsize=(8, 4))  # 设置画布大小
    plt.hist(pixel_values, bins=256, range=[0, 256])  # bins=256表示分256个区间（对应0-255灰度）
    plt.title('灰度图直方图（Matplotlib版）')  # 标题
    plt.xlabel('灰度值（0=黑，255=白）')        # X轴标签
    plt.ylabel('像素数量')                    # Y轴标签
    plt.xlim([0, 256])                       # 限定X轴范围（仅显示0-255）
    plt.show()  # 显示图像

# ===================== 二、灰度图直方图（OpenCV计算+Matplotlib绘图） =====================
"""
核心原理：
先用cv2.calcHist计算直方图数据，再用plt.plot绘制曲线
适合自定义区间（比如合并灰度级），灵活性更高
"""
if phone_gray is not None:
    # 1. 计算直方图：cv2.calcHist(图像列表, 通道, 掩码, 区间数, 灰度范围)
    # - images=[phone_gray]：传入要计算的图像（需用列表包裹）
    # - channels=[0]：灰度图只有1个通道，固定传0；彩色图传0/1/2对应B/G/R
    # - mask=None：不使用掩码（计算整张图）
    # - histSize=[16]：将0-255灰度级合并为16个区间（每个区间包含16个灰度值）
    # - ranges=[0, 256]：灰度值的范围（固定0-256）
    phone_hist = cv2.calcHist(images=[phone_gray], channels=[0], mask=None, histSize=[16], ranges=[0, 256])
    
    # 2. 绘制直方图曲线
    plt.figure(figsize=(8, 4))
    plt.plot(phone_hist, color='black', linewidth=2)  # 黑色曲线，线宽2
    plt.title('灰度图直方图（OpenCV计算版）')
    plt.xlabel('灰度区间（共16个）')
    plt.ylabel('像素数量')
    plt.show()

# ===================== 三、彩色图三通道直方图（B/G/R分别绘制） =====================
"""
核心原理：
OpenCV读取的彩色图是BGR格式（不是RGB），需分别计算B/G/R三个通道的直方图
适合分析彩色图像的色彩分布（比如偏蓝/偏红）
"""
# 1. 读取彩色图（默认BGR格式）
img_color = cv2.imread('phone.png')
if img_color is None:
    print("❌ 错误：找不到phone.png，请检查文件路径/名称！")
else:
    # 2. 定义通道对应的颜色（B→蓝色，G→绿色，R→红色）
    color = ('blue', 'green', 'red')
    
    # 3. 遍历三个通道，分别计算+绘制直方图
    plt.figure(figsize=(8, 4))
    for i, col in enumerate(color):
        # 计算当前通道的直方图（histSize=256：每个通道分256个区间）
        histr = cv2.calcHist(images=[img_color], channels=[i], mask=None, histSize=[256], ranges=[0, 256])
        # 绘制曲线（颜色与通道对应，更直观）
        plt.plot(histr, color=col, label=f'{col}通道')
    
    # 4. 美化图表
    plt.title('彩色图三通道直方图')
    plt.xlabel('像素值（0-255）')
    plt.ylabel('像素数量')
    plt.legend()  # 显示图例（区分三个通道）
    plt.show()

📝 关键知识点总结

两种绘制方式对比 ：
- Matplotlib plt.hist()：适合快速查看灰度分布，代码简洁，直接处理像素数组。
- OpenCV cv2.calcHist()：适合自定义区间 / 掩码，灵活性高，先算数据再绘图。
避坑要点 ：
- 图片路径 / 名称必须正确（建议将phone.png和代码放在同一文件夹）；
- OpenCV 彩色图是BGR 格式，不是 RGB，绘制时需注意通道对应关系；
- 用if img is None检查图片读取状态，避免后续代码报错。
应用场景 ：
- 灰度直方图：判断图像亮度（峰值偏左 = 偏暗，偏右 = 偏亮）、对比度；
- 彩色直方图：分析图像色彩偏向，用于图像增强 / 色彩校正。

直接运行这段代码，会依次弹出 3 个直方图窗口，清晰展示不同方式的绘制效果。如果需要调整图片路径、区间数等参数，注释里都标注了修改位置，新手也能轻松上手～