直方圖理解：
（對于8位灰度圖像亮度/灰度為(0-255)，12位灰度圖像亮度/灰度為(0-4095)）
以8位圖像為例，亮度分為0到255共256個數值，數值越大，代表的亮度越高。其中0代表純黑色的最暗區域，255表示最亮的純白色。亮度分為了5個區域，分別是黑色，陰影，中間調，高光和白色。直方圖用來統計一幅圖像某個亮度像素數量。
直方圖函數解析：
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：輸入的圖像的指針，可以是多幅圖像，所有的圖像必須有同樣的深度（CV_8U or CV_32F）。同時一副圖像可以有多個channes。
nimages：輸入圖像的個數
channels：需要統計直方圖的第幾通道。用來計算直方圖的channes的數組。比如輸入是2副圖像，第一副圖像有0，1，2共三個channel，第二幅圖像只有0一個channel，那么輸入就一共有4個channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副圖像的第一個通道和第一副圖像的第2和第0個通道來計算直方圖。
mask：掩膜，如果是空矩陣則表示圖像中所有位置的像素都計入直方圖中，如果mask不為空，那么它必須是一個8位（CV_8U）的數組，并且與輸入圖像尺寸相同，找到mask非0像素區域，把這些區域對應到輸入圖像區域，然后把這些區域參與直方圖計算。
hist:輸出的直方圖數組
dims：需要統計直方圖通道的個數，通常為1
histSize：指的是直方圖分成多少個區間，就是 bin的個數。在每一維上直方圖的個數。簡單把直方圖看作一個一個的豎條的話，就是每一維上豎條的個數。HistSize=256，表示每一維有256數條，數條的高度代表像素值的個數。
const float** ranges： 統計像素值得區間。比如：
float rang1[] = {0, 20};
float rang2[] = {30, 40};const float *rangs[] = {rang1, rang2};那么就是對0，20和30，40范圍的值進行統計。
這個就相當于橫坐標，比如對像素值為0這個像素，如果數條的高度為100，表示有100個像素值為0的像素。
uniform=true::是否對得到的直方圖數組進行歸一化處理
accumulate=false：在多個圖像時，是否累計計算像素值得個數
下面是一個8位三通道計算直方圖案例：
#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main() {// 讀取圖像Mat image = imread("your_image.jpg");if (image.empty()) {cerr << "Error: Could not read the image." << endl;return -1;}// 設置直方圖參數int histSize = 256; // 直方圖的 bin 數量float range[] = {0, 256}; // 像素值范圍const float* histRange = {range};bool uniform = true; // 直方圖是否均勻bool accumulate = false; // 是否累積直方圖// 計算藍色通道的直方圖int channelB = 0; // 藍色通道索引Mat histB;calcHist(&image, 1, &channelB, Mat(), histB, 1, &histSize, &histRange, uniform, accumulate);// 計算綠色通道的直方圖int channelG = 1; // 綠色通道索引Mat histG;calcHist(&image, 1, &channelG, Mat(), histG, 1, &histSize, &histRange, uniform, accumulate);// 計算紅色通道的直方圖int channelR = 2; // 紅色通道索引Mat histR;calcHist(&image, 1, &channelR, Mat(), histR, 1, &histSize, &histRange, uniform, accumulate);// 繪制直方圖int histWidth = 512;int histHeight = 400;int binWidth = cvRound((double) histWidth / histSize);Mat histImage(histHeight, histWidth, CV_8UC3, Scalar(0, 0, 0));// 歸一化直方圖數據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());// 繪制直方圖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);}// 顯示原始圖像和直方圖imshow("Original Image", image);imshow("Histogram", histImage);waitKey(0);return 0;
}
也可也遍歷拿到BGR每個通道下0-255每個灰度的像素個數
比如遍歷B通道
for(int i = 0; i < 256; i++)
{float count = cvRound(histB.at<float>(i - 1);
}
0-256為每個灰度，for循環遍歷每個灰度，并拿到該灰度下像素的個數，比如i=100，count=20表示，灰度為100的像素有20個。
)
)