????????在圖像處理中，直方圖是一種非常重要的工具，它可以幫助我們了解圖像的像素分布情況。通過(guò)分析圖像的直方圖，我們可以進(jìn)行圖像增強(qiáng)、對(duì)比度調(diào)整、圖像分割等操作。

1 什么是圖像直方圖？

????????圖像直方圖是圖像像素強(qiáng)度分布的圖形表示，對(duì)于灰度圖像，直方圖顯示了每個(gè)灰度級(jí)（0到255）在圖像中出現(xiàn)的頻率，對(duì)于彩色圖像，我們可以分別計(jì)算每個(gè)通道（如R、G、B）的直方圖。直方圖可以幫助我們了解圖像的亮度、對(duì)比度等信息。例如，如果直方圖集中在低灰度區(qū)域，說(shuō)明圖像偏暗；如果直方圖分布均勻，說(shuō)明圖像對(duì)比度較好。

• 直方圖:?表示圖像中像素強(qiáng)度的分布情況，橫軸表示像素強(qiáng)度值，縱軸表示該強(qiáng)度值的像素?cái)?shù)量。
• 灰度直方圖:?針對(duì)灰度圖像的直方圖，表示每個(gè)灰度級(jí)的像素?cái)?shù)量。
• 顏色直方圖:?針對(duì)彩色圖像的直方圖，分別表示每個(gè)顏色通道（如 BGR）的像素強(qiáng)度分布。

功能	函數(shù)	說(shuō)明
計(jì)算直方圖	cv2.calcHist()	計(jì)算圖像的直方圖。
直方圖均衡化	cv2.equalizeHist()	增強(qiáng)圖像的對(duì)比度。
直方圖比較	cv2.compareHist()	比較兩個(gè)直方圖的相似度。
繪制直方圖	matplotlib.pyplot.plot()	使用 Matplotlib 繪制直方圖。

????????直方圖的應(yīng)用?

• 圖像增強(qiáng): 通過(guò)直方圖均衡化，可以增強(qiáng)圖像的對(duì)比度，使細(xì)節(jié)更加清晰。
• 圖像分割: 過(guò)分析直方圖，可以確定閾值，用于圖像分割。
• 圖像匹配: 通過(guò)比較直方圖，可以判斷兩幅圖像的相似度，用于圖像匹配和檢索。
• 顏色分析: 通過(guò)顏色直方圖，可以分析圖像的顏色分布，用于顏色校正和風(fēng)格化處理。

2?OpenCV 中的直方圖計(jì)算函數(shù)

????????在 OpenCV 中，我們可以使用?cv2.calcHist()?函數(shù)來(lái)計(jì)算圖像的直方圖。

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

• images: 輸入的圖像列表，通常是一個(gè)包含單通道或多通道圖像的列表。例如?[img]。
• channels: 需要計(jì)算直方圖的通道索引。對(duì)于灰度圖像，使用?[0]；對(duì)于彩色圖像，可以使用?[0]、[1]、[2]?分別計(jì)算藍(lán)色、綠色和紅色通道的直方圖。
• mask: 掩碼圖像。如果指定了掩碼，則只計(jì)算掩碼區(qū)域內(nèi)的像素。如果不需要掩碼，可以傳入?None。
• histSize: 直方圖的 bin 數(shù)量。對(duì)于灰度圖像，通常設(shè)置為?[256]，表示將灰度級(jí)分為 256 個(gè) bin。
• ranges: 像素值的范圍。對(duì)于灰度圖像，通常設(shè)置為?[0, 256]，表示像素值的范圍是 0 到 255。
• hist: 輸出的直方圖數(shù)組。
• accumulate: 是否累積直方圖。如果設(shè)置為?True，則直方圖不會(huì)被清零，而是在每次調(diào)用時(shí)累積。

????????假設(shè)我們有一張灰度圖像?img，我們可以使用以下代碼計(jì)算其直方圖：

import cv2
import matplotlib.pyplot as plt# 讀取圖像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 計(jì)算直方圖
hist = cv2.calcHist([img], [0], None, [256], [0, 256])# 繪制直方圖
plt.plot(hist)
plt.title('Grayscale Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.show()

3 直方圖均衡化

????????直方圖均衡化是一種增強(qiáng)圖像對(duì)比度的方法，通過(guò)重新分配像素強(qiáng)度值，使直方圖更加均勻。

equalized_image = cv2.equalizeHist(image)

import cv2# 讀取圖像
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)# 直方圖均衡化
equalized_image = cv2.equalizeHist(img)# 顯示結(jié)果
cv2.imshow("Equalized Image", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

4 顏色直方圖

????????對(duì)于彩色圖像，可以分別計(jì)算每個(gè)顏色通道的直方圖。

import cv2
from matplotlib import pyplot as plt# 讀取圖像
img = cv2.imread('image.jpg')# 計(jì)算 BGR 各通道的直方圖
colors = ('b', 'g', 'r')
for i, color in enumerate(colors):hist = cv2.calcHist([img], [i], None, [256], [0, 256])plt.plot(hist, color=color)# 繪制直方圖
plt.title("Color Histogram")
plt.xlabel("Pixel Intensity")
plt.ylabel("Pixel Count")
plt.show()

????????對(duì)于彩色圖像，可以對(duì)每個(gè)通道分別進(jìn)行直方圖均衡化。

import cv2# 讀取圖像
img = cv2.imread('image.jpg')# 分離通道
b, g, r = cv2.split(img)# 對(duì)每個(gè)通道進(jìn)行直方圖均衡化
b_eq = cv2.equalizeHist(b)
g_eq = cv2.equalizeHist(g)
r_eq = cv2.equalizeHist(r)# 合并通道
equalized_image = cv2.merge([b_eq, g_eq, r_eq])# 顯示結(jié)果
cv2.imshow("Equalized Color Image", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5 直方圖比較

????????OpenCV 提供了 cv2.compareHist() 函數(shù)，用于比較兩個(gè)直方圖的相似度。

similarity = cv2.compareHist(hist1, hist2, method)

• hist1: 第一個(gè)直方圖。
• hist2: 第二個(gè)直方圖。
• method: 比較方法，例如?cv2.HISTCMP_CORREL（相關(guān)性比較）。

import cv2# 讀取圖像
img = cv2.imread('image.jpg', 0)
image2 = cv2.imread('bird.jpg', 0)# 計(jì)算兩個(gè)圖像的直方圖
hist1 = cv2.calcHist([img], [0], None, [256], [0, 256])
hist2 = cv2.calcHist([image2], [0], None, [256], [0, 256])# 比較直方圖
similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
print("Histogram Similarity:", similarity)