Opencv-python学习笔记---直方图(histogram)
直方图是一种针对图片像素值的统计工具，通过直方图，你可以对图片像素值的分布有一个直观的了解。
生成直方图
opencv中生成直方图使用cv2.calcHist()函数，函数原型是：
hist = cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
参数解读：
- Images：输入图片集合，如果是单张图片，写为
[img]。 - channels：图片的颜色通道。输入图片是灰度图，则该参数设置为
[0]；输入图片是彩色图，该参数可设置为[0]/[1]/[2]，分别表示B/G/R通道。 - mask：如果想要对整张图片生成直方图，该参数设置为
None；如果想要对图片的某一区域生成直方图，则需要传入一数组作为遮罩，后续会解释。 - histSize:直方图切片尺寸，默认值为
[256]，表示直方图采样范围是[0，255]。如果设置为16，直方图采样范围是[0，15]∪[16，31]∪……[240,255]。 - ranges:像素值范围，一般设置为
[0,256]。 - hist：输出直方图。
- accumulate：如果该参数设置为
TRUE，直方图在分配的时候不会被清零，可用于动态生成直方图或使用多张图片生成一张直方图。
函数文档：cv2.calcHist()
Numpy中也提供了生成直方图的函数，示例：
hist,bins = np.histogram(img.ravel(),256,[0,256])
绘制直方图
绘制直方图一般使用matplotlib函数，虽然opencv也可以实现，但是太麻烦了。对于以下图片生成直方图。
plt.hist(img.ravel(),256,[0,256])
plt.show()
也可以使用上面计算得来的hist：
hist = cv2.calcHist([img],[0],None,[256],[0,256])
plt.plot(hist)
plt.show()
可使用mask参数来获取图片部分区域的直方图，代码示例：
img = cv2.imread('hist.jpg',0)
mask = np.zeros(img.shape,np.uint8)
mask[100:400,200:800] = 255
mask_img = cv2.bitwise_and(img,img,mask=mask)
hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256])
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
plt.subplot(221),plt.imshow(img,'gray')
plt.subplot(222),plt.imshow(mask,'gray')
plt.subplot(223),plt.imshow(mask_img,'gray')
plt.subplot(224),plt.plot(hist_full),plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()
直方图均衡化
对于以下直方图，像素值分布集中于某个区间，可通过直方图均衡化改善像素值分布。直方图均衡化的知识参考：直方图均衡化
代码示例：
res = cv2.equalizeHist(img)
上面介绍的是针对全图的直方图均衡化，缺点是容易丢失图像细节，还有一种称为自适应均衡化的方法，针对图片中的每一分块进行直方图均衡化，在OpenCV中用到的函数是cv2.createCLAHE()，代码示例：
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
cl1 = clahe.apply(img)