直方图理解：
（对于8位灰度图像亮度/灰度为(0-255)，12位灰度图像亮度/灰度为(0-4095)）
以8位图像为例，亮度分为0到255共256个数值，数值越大，代表的亮度越高。其中0代表纯黑色的最暗区域，255表示最亮的纯白色。亮度分为了5个区域，分别是黑色，阴影，中间调，高光和白色。直方图用来统计一幅图像某个亮度像素数量。
直方图函数解析：
void calcHist( const Mat* images, int nimages,const int* channels, InputArray mask,OutputArray hist, int dims, const int* histSize,const float** ranges, bool uniform=true, bool accumulate=false );
images：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度（CV_8U or CV_32F）。同时一副图像可以有多个channes。
nimages：输入图像的个数
channels：需要统计直方图的第几通道。用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。
mask：掩膜，如果是空矩阵则表示图像中所有位置的像素都计入直方图中，如果mask不为空，那么它必须是一个8位（CV_8U）的数组，并且与输入图像尺寸相同，找到mask非0像素区域，把这些区域对应到输入图像区域，然后把这些区域参与直方图计算。
hist:输出的直方图数组
dims：需要统计直方图通道的个数，通常为1
histSize：指的是直方图分成多少个区间，就是 bin的个数。在每一维上直方图的个数。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。HistSize=256，表示每一维有256数条，数条的高度代表像素值的个数。
const float** ranges： 统计像素值得区间。比如：
float rang1[] = {0, 20};
float rang2[] = {30, 40};const float *rangs[] = {rang1, rang2};那么就是对0，20和30，40范围的值进行统计。
这个就相当于横坐标，比如对像素值为0这个像素，如果数条的高度为100，表示有100个像素值为0的像素。
uniform=true::是否对得到的直方图数组进行归一化处理
accumulate=false：在多个图像时，是否累计计算像素值得个数
下面是一个8位三通道计算直方图案例：
#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main() {// 读取图像Mat image = imread("your_image.jpg");if (image.empty()) {cerr << "Error: Could not read the image." << endl;return -1;}// 设置直方图参数int histSize = 256; // 直方图的 bin 数量float range[] = {0, 256}; // 像素值范围const float* histRange = {range};bool uniform = true; // 直方图是否均匀bool accumulate = false; // 是否累积直方图// 计算蓝色通道的直方图int channelB = 0; // 蓝色通道索引Mat histB;calcHist(&image, 1, &channelB, Mat(), histB, 1, &histSize, &histRange, uniform, accumulate);// 计算绿色通道的直方图int channelG = 1; // 绿色通道索引Mat histG;calcHist(&image, 1, &channelG, Mat(), histG, 1, &histSize, &histRange, uniform, accumulate);// 计算红色通道的直方图int channelR = 2; // 红色通道索引Mat histR;calcHist(&image, 1, &channelR, Mat(), histR, 1, &histSize, &histRange, uniform, accumulate);// 绘制直方图int histWidth = 512;int histHeight = 400;int binWidth = cvRound((double) histWidth / histSize);Mat histImage(histHeight, histWidth, CV_8UC3, Scalar(0, 0, 0));// 归一化直方图数据normalize(histB, histB, 0, histImage.rows, NORM_MINMAX, -1, Mat());normalize(histG, histG, 0, histImage.rows, NORM_MINMAX, -1, Mat());normalize(histR, histR, 0, histImage.rows, NORM_MINMAX, -1, Mat());// 绘制直方图for (int i = 1; i < histSize; ++i) {line(histImage, Point(binWidth * (i - 1), cvRound(histB.at<float>(i - 1))),Point(binWidth * (i), cvRound(histB.at<float>(i))),Scalar(255, 0, 0), 2, 8, 0);line(histImage, Point(binWidth * (i - 1), cvRound(histG.at<float>(i - 1))),Point(binWidth * (i), cvRound(histG.at<float>(i))),Scalar(0, 255, 0), 2, 8, 0);line(histImage, Point(binWidth * (i - 1),cvRound(histR.at<float>(i - 1))),Point(binWidth * (i), cvRound(histR.at<float>(i))),Scalar(0, 0, 255), 2, 8, 0);}// 显示原始图像和直方图imshow("Original Image", image);imshow("Histogram", histImage);waitKey(0);return 0;
}
也可也遍历拿到BGR每个通道下0-255每个灰度的像素个数
比如遍历B通道
for(int i = 0; i < 256; i++)
{float count = cvRound(histB.at<float>(i - 1);
}
0-256为每个灰度，for循环遍历每个灰度，并拿到该灰度下像素的个数，比如i=100，count=20表示，灰度为100的像素有20个。
