一. 直方图

方法1

	cv.calcHist(images, channels, mask, histSize, ranges=None, accumulate=False)参数:images: 输入图像，可以是单个图像或图像的列表channels: 计算直方图的通道对于灰度图像，该值为0对于RGB彩色图像，可以传递一个包含三个元素的数组 [0, 1, 2]，表示分别计算每个通道的直方图mask: 掩码图像，用于指定图像的哪个区域需要计算直方图如果不需要掩码，可以传递 NonehistSize:输出直方图的大小对于一维直方图，这是一个整数对于二维直方图，这是一个包含两个整数的元组对于三维直方图，这是一个包含三个整数的元组ranges: 可选参数，用于指定直方图的范围默认情况下，将使用图像的最小值和最大值accumulate: 可选参数，布尔值True:计算过程中将直方图累积到内部缓冲区中返回值：返回一个或多个计算出的直方图（取决于输入图像的数量）

方法2

	np.histogram(a, bins=10, range=None, normed=None, weights=None, density=None)参数:a: 输入数组bins: 可选参数，表示直方图的条形数（即分箱数量）,默认为10range: 可选参数，表示直方图的最小值和最大值范围，格式为 (min, max)如果未指定，则使用 a 的最小值和最大值normed: 可选参数，布尔值。如果为 True，则返回的直方图高度将归一化，使得直方图的面积为1weights: 可选参数，表示每个元素的重要性（权重）默认情况下，所有元素的权重都是1density: 可选参数，布尔值如果为 True，则返回的直方图高度将乘以 bins 的数量，使得直方图下的总面积等于1,这通常与 normed 一起使用返回值: 返回两个数组,即直方图的高度和区间边界的数组

方法3

	np.bincount(arr, weights=None, minlength=0)参数:arr:输入的一维整数数组weights:可选参数它是一个形状与arr相同的数组，用于给arr中的每个元素指定权重若提供了weights，则bincount将计算加权值的出现次数minlength: 可选参数指定了输出数组的最小长度若值 > 0的值，则当max(输入数组) < minlength时，输出数组将用0填充到指定的最小长度返回值:一个一维数组长度为max(arr)+1 / minlength(取决于哪个更大)

二. 掩码区域的直方图绘制

	1. 创建与原图一致的shape2. 创建mask区域3. 构建mask区域图像，cv.bitwise_and( )4. 计算直方图

---

感谢阅读🌼
如果喜欢这篇文章，记得点赞👍和转发🔄哦！
有任何想法或问题，欢迎留言交流💬，我们下次见！
本文相关代码存放位置
    【Opencv 图像变换代码实现】

祝愉快🌟！

---