在讨论其返回值前，我们先来介绍以下calcHist()函数的用法：
cv2.calcHist()函数
cv2.calcHist()函数的作用：通过直方图可以很好的对整幅图像的灰度分布有一个整体的了解，直方图的x轴是灰度值（0~255），y轴是图片中具有同一个灰度值的点的数目。而calcHist（）函数则可以帮助我们统计一幅图像的直方图
cv2.calcHist(images,channels,mask,histSize,ranges)- images: 原图像图像格式为 uint8 或 ?oat32。当传入函数时应 用中括号 [] 括来例如[img]
- channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
- mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如果你想统图像某一分的直方图的你就制作一个掩模图像并使用它。
- histSize:BIN 的数目。也应用中括号括来
-
BINS?：上面的直方图显示了每个像素值的像素数，即从0到255。即您需要256个值才能显示上述直方图。但是请考虑一下，如果您不需要单独查找所有像素值的像素数，而是在像素值间隔内查找像素数，该怎么办？例如，您需要找到介于 0 到 15 之间的像素数，然后是 16 到 31、...、240 到 255。您只需要 16 个值来表示直方图。
因此，只需将整个直方图拆分为 16 个子部分，每个子部分的值就是其中所有像素计数的总和。这每个子部分都称为"BIN"。在第一种情况下，条柱数为256（每个像素一个），而在第二种情况下，它只有16。BINS 在 OpenCV 文档中由术语histSize表示。 -
ranges: 像素值范围常为 [0 256]
示例：import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('cat.jpg', 0) # 0表示灰度图 hist = cv2.calcHist([img], [0], None, [256], [0, 256]) # print(hist) # print(hist[175]) # print(type(hist)) plt.hist(img.ravel(),256); #print(img.ravel()) plt.show()输出结果：
示例2：多通道图的“直方图”
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('cat.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0,256])
plt.plot(histr,color = col)
plt.xlim([0,256])
print(i,col)
输出结果：
到这里完整的直方图就这样子绘制出来了，但是大家也许会对calcHist的返回值有疑问，到底返回了什么才能画出来这样的图像呢？下面我们则来讨论该函数的返回值
cv2.calcHist()函数的返回值
对于hist = cv2.calcHist([img],[0],None,[256],[0,256])中，hist是一个256*1的矩阵，每一个值代表了每个灰度值对应的像素点数目
print(type(hist))<class 'numpy.ndarray'>
输出的结果表示这是一个多维数组
print(hist)[[1.000e+00]
?[0.000e+00]
?[2.000e+00]
?[0.000e+00]
? ? ? ?.......
?[2.010e+02]
?[2.180e+02]
?[2.160e+02]
?[2.660e+02]
?[3.350e+02]
?[3.110e+02]
?[4.670e+02]]
经计算，共有256个值，即可以输出hist[0]到hist[255]。整个hist[i]则表示灰度值
print(hist[175],hist[255])[3181.] [467.]
通过直方图可看出输出的结果就是每一个灰度值对应的像素数目