直方图口诀
左边暗，右边亮，越往右靠光越强
偏左偏右都不好，反差要低山中央
两边高，中间小，光比很大细节少
不冒头，不断档，连绵起伏好风光。
直方图判断曝光
左边山脚见不到，暗部没有细节
右边山脚见不到，亮部没有细节
两边山脚见不到，明暗均有失
山峰靠右亮区大，山峰靠左暗影多
山谷如果在中央，中间影调细节少。
(1) 什么是直方图
直方图可以让你了解总体的图像像素强度分布，其X轴为像素值（一般范围为0~255），在Y轴上为图像中具有该像素值像素数。
直方图的作用： 通过直方图可以直观地i奥杰图像的对比度、亮度、强度分布等。
(2)寻找直方图
几个术语
BINS：直方图的柱的个数称为BINS，在OpenCV中表示为histSize
RANGE：测量的强度值的范围，一般为[0，255]
OpenCV中的直方图计算
使用cv2.calcHist(查找直方图)：
cv.calcHist（images，channels，mask，histSize，ranges [，hist [，accumulate]]）
images：它是uint8或float32类型的源图像。它应该放在方括号中，即“ [img]”。
channels：也以方括号给出。它是我们计算直方图的通道的索引。例如，如果输入为灰度图像，则其值为[0]。对于彩色图像，您可以传递[0]，[1]或[2]分别计算蓝色，绿色或红色通道的直方图。、
mask：图像掩码。为了找到完整图像的直方图，将其指定为“无”。但是，如果要查找图像特定区域的直方图，则必须为此创建一个掩码图像并将其作为掩码。（文章后面再说）
histSize：这表示我们的BIN计数。需要放在方括号中。对于全尺寸，我们通过[256]。
ranges：这是我们的RANGE。通常为[0，256]。
#读取灰度图 img = cv.imread('home.jpg'，0) hist = cv.calcHist([img]，[0]，None，[256]，[0，256])
hist是256x1的数组，每个值对应于该图像中具有相应像素值的像素数。
(3) 绘制直方图
Matplotlib绘制直方图
a.绘制灰度图的直方图使用plt.hist()可以直接找到直方图并绘制，无需使用cv2.calsHist()函数
import cv2 as cv import matplotlib.pyplot as plt img = cv.imread('messi.png'，0) plt.subplot(1，2，1)plt.imshow(img) plt.subplot(1，2，2)plt.hist(img.ravel()，256，[0，256]) plt.show()
b.绘制RGB图的直方图
import cv2 as cv import matplotlib.pyplot as plt img = cv.imread('apple.png') #BGR img1=img.copy() img1[:，:，2]，img1[:，:，0] =img[:，:，0]，img[:，:，2] #BGR->RGB plt.subplot(1，2，1)plt.imshow(img1) color=('b'，'g'，'r') plt.subplot(1，2，2) for i，col in enumerate(color): hist=cv.calcHist([img]，[i]，None，[256]，[0，256]) #找到第i个通道的直方图数据 plt.plot(hist，color=col) plt.xlim([0，256]) plt.show()
