Python+OpenCV图像处理之直方图统计

Finn

发布时间：2026-10-15 | 5人浏览过

原创

本文详细介绍如何使用Python和OpenCV进行图像直方图统计。涵盖直方图基本概念、BINS/DIMS/RANGE术语解析，演示灰度图与彩色通道直方图的绘制方法，讲解利用掩膜提取特定区域直方图的技巧，并深入解析H-S（色调-饱和度）二维直方图的计算与可视化实现。

1. 直方图概述

（1）基本概念

直方图是图像灰度分布的直观表达，它统计了整幅图像中不同灰度级像素的数量。横坐标表示灰度值（范围0至255），纵坐标表示具有该灰度值的像素个数。通过观察直方图，可以直观判断图像的亮度水平、灰度分布情况以及对比度强弱。

（2）直方图中的术语

BINS

在直方图中，横轴代表灰度值。虽然灰度图像有256个等级，但未必需要将每个等级单独标注。若关注的是特定范围内的灰度分布，可将灰度值划分为若干区间，每个区间称为一个BIN（箱）。所有灰度等级被分组后，每组对应一个BIN。

DIMS

DIMS表示收集图像参数的数量。若仅统计灰度值这一单一参数，则DIMS为1。

RANGE

RANGE指统计灰度值的范围，通常设定为[0, 255]。

2. 直方图绘制

（1）读取图像信息

在计算机视觉开发中，首要步骤是读取并解析图像数据：


"""
Author:XiaoMa
date:2021/10/24
"""
#调用需要的包
import cv2
import matplotlib.pyplot as plt
 
img0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)     #转化为灰度图
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img1)
cv2.waitKey(delay = 0)

获取的图像信息如下：

419 636

（2）绘制直方图

绘制直方图主要调用以下函数：

hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)

images：输入的原图像。

channels：指定统计的通道。[0]代表灰度图；若输入为彩色图像，该参数可设为[0]、[1]或[2]，分别对应B、G、R通道。

mask：掩码图像。若需统计整张图像，此处设为None。

histSize：BIN的数量，即直方图的柱数。

ranges：像素值的统计范围。

accumulate：累计标识，通常可省略不写。

灰度图的直方图


#绘制直方图
hist = cv2.calcHist([img1], [0], None, [256], [0, 255])
plt.plot(hist, color = 'lime', label = '直方图', linestyle = '--')
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg')
plt.show()

从图中可以看出，亮度较高的像素点占据多数，表明该图像整体亮度较高。

彩色图直方图

读取彩色图像后，可对单一通道进行直方图绘制：


"""
Author:XiaoMa
date:2021/10/24
"""
#调用需要的包
import cv2
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = 'SimHei'       #将全局中文字体改为黑体
 
img0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img0)
cv2.waitKey(delay = 0)
 
#绘制直方图
hist = cv2.calcHist([img0], [0], None, [256], [0, 255])
plt.plot(hist, color = 'lime', label = '蓝色通道直方图', linestyle = '--', alpha = 1)
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg')
plt.show()

上图展示了针对蓝色通道绘制的直方图结果。

3. 掩膜直方图

（1）基本概念

若只需统计图像中特定区域的直方图，可创建一幅掩膜图像：将需要统计的区域设为白色（255），无需统计的区域设为黑色（0），以此构成掩膜。

（2）实现代码

生成掩膜图像的步骤如下：


##得到掩膜图
mask = np.zeros(img0.shape, np.uint8)    #将每一个像素点设置为0，就是黑色
mask[109:309, 212:412] = 255             #选取特定区域设置为白色
img0_1 = cv2.bitwise_and(img0, mask)     #图像与操作得到掩膜图
cv2.namedWindow("W1")
cv2.imshow("W1", img0_1)
cv2.waitKey(delay = 0)

基于掩膜绘制直方图：


#绘制掩膜直方图
##得到掩膜图
mask = np.zeros(img1.shape, np.uint8)    #将每一个像素点设置为0，就是黑色
mask[109:309, 212:412] = 255             #选取特定区域设置为白色
img1_1 = cv2.bitwise_and(img1, mask)     #图像与操作得到掩膜图
cv2.namedWindow("W1")
cv2.imshow("W1", img1_1)
cv2.waitKey(delay = 0)
##绘制掩膜直方图和部分图像直方图
hist1 = cv2.calcHist([img1], [0], mask, [256], [0, 255])         #掩膜图直方图，参数需要修改
hist2 = cv2.calcHist([img1], [0], None, [256], [0,255])
plt.plot(hist1, color = 'b', label = '掩膜直方图', linestyle = '--')
plt.plot(hist2, color = 'r', label = '原图直方图', linestyle = '-.')
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven2.jpeg')
plt.show()

最终得到的图像效果如下：

4. H-S 直方图

（1）基本概念

H-S直方图即色调（Hue）-饱和度（Saturation）直方图。

绘制该直方图需先将源RGB图像转换至HSV（色调、饱和度、亮度）颜色空间。


img0_2 = cv2.cvtColor(img0, cv2.COLOR_BGR2HSV) #将 RGB 空间转化为 HSV 空间
cv2.namedWindow("W2")
cv2.imshow("W2", img0_2)
cv2.waitKey(delay = 0)

（2）绘制二维H-S直方图

此处参考OpenCV官方文档示例。


##绘制H-S直方图
hist3 = cv2.calcHist ([img0_2], [0, 1], None , [180, 256], [0, 180, 0, 256])#官网给出的解释：channel = [0,1] 因为我们需要同时处理 H 和 S 平面；bins = [180,256] H 平面为 180，S 平面为 256；range = [0,180,0,256] 色调值介于 0 和 180 之间，饱和度介于 0 和 256 之间
plt.imshow(hist3)
plt.savefig('E:\From Zhihu\For the desk\cvseven3.jpeg')
plt.show()

得到的图像如下：