OpenCV 图像直方图可视化：彩色和灰度图像

import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('C:/Users/LENOVO/Desktop/c.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 计算彩色图像的直方图
hist1 = plt.hist(img.ravel(), 256)
hist2 = cv2.calcHist([img], [0], None, [256], [0, 255])
hist3 = cv2.calcHist([gray], [0], None, [256], [0, 255])
cumulative_hist = np.cumsum(hist3)
# 将累积直方图归一化到[0，1]范围内
hist3 = cumulative_hist / cumulative_hist[-1]


# 显示两个直方图
plt.subplot(2, 1, 1)
plt.imshow(img)
plt.subplot(2, 2, 2)
plt.hist(img.ravel(), 256)
plt.subplot(2, 2, 3)
plt.plot(hist2)
plt.subplot(2, 2, 4)
plt.plot(hist3)
plt.show()

解释：

代码中，img 被用于计算直方图，但并没有直接显示出来。plt.subplot 函数用于创建子图，参数分别表示子图的行数、列数和当前子图的编号。

plt.subplot(2, 1, 1) 创建一个 2 行 1 列的子图，并在左上角显示原始图像 img。
plt.subplot(2, 2, 2) 创建一个 2 行 2 列的子图，并在右上角显示彩色图像的直方图 hist1。
plt.subplot(2, 2, 3) 创建一个 2 行 2 列的子图，并在左下角显示彩色图像的直方图 hist2。
plt.subplot(2, 2, 4) 创建一个 2 行 2 列的子图，并在右下角显示灰度图像的累积直方图 hist3。

因此，最终显示了三个直方图和原始图像。

关键概念：

直方图： 图像直方图表示图像中每个灰度级出现的频率。
累积直方图： 累积直方图是直方图的累积和，表示图像中小于或等于某个灰度级的像素数量。
cv2.calcHist： OpenCV 函数，用于计算图像的直方图。
plt.subplot： Matplotlib 函数，用于创建子图。
plt.imshow： Matplotlib 函数，用于显示图像。
plt.hist： Matplotlib 函数，用于绘制直方图。
plt.plot： Matplotlib 函数，用于绘制线条图。

应用：

图像直方图可用于：

图像增强： 例如，通过调整直方图来提高图像的对比度。
图像分割： 例如，通过分析直方图来识别图像中的不同区域。
图像比较： 例如，通过比较不同图像的直方图来确定它们之间的相似性或差异。