直方圖是對圖像中像素強度分布的圖形表示。通過分析直方圖，我們可以獲得有關圖像對比度、亮度和色彩分佈的有用信息。
直方圖的主要概念：
- 強度值： 表示圖像中每個像素的亮度或顏色值，通常在0到255之間。
- 頻數： 表示具有特定強度值的像素在圖像中出現的次數。
- 累積分佈函數（CDF）： 表示某一強度值及其之前所有強度值的頻數之和。
cv2.calcHist 函式參數的詳細介紹
cv2.calcHist([images], [channels], mask, [histSize], [ranges])
- images：要計算直方圖的影像。它以方括號的形式提供，允許傳入單張或多張影像。
- channels：指定計算直方圖的通道。以列表形式提供，例如
[0]表示灰度影像，[0, 1, 2]表示 RGB 彩色影像中的所有通道。 - mask：可選的掩碼。如果提供掩碼，則只有掩碼區域內的像素才會參與直方圖的計算。
- histSize：指定每個通道的 bin 數量，以列表形式提供。例如
[256]表示每個通道有 256 個 bin。 - ranges：指定每個通道的像素值範圍，以列表形式提供。對於 8 位影像，通常是
[0, 256]。
程式範例
將輸入三張圖片，分別為正常與曝光不足及過曝的狀況，來更理解直方圖分析的應用。
import cv2
import matplotlib.pyplot as plt
# 讀取灰度影像
image = cv2.imread('111.jpg', cv2.IMREAD_GRAYSCALE)
# 計算直方圖
hist = cv2.calcHist([image], [0], None, [256], [0, 256])
# 繪製直方圖
plt.plot(hist)
plt.title('Image Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.show()
正常圖片
過曝
曝光不足
由三個圖比較結果，我們可以知道曝光不足的時候直方圖數值集中分布在30~70之間，過曝時就會集中在220~250之間。
由上方的程式範例我們可以得知，利用直方圖分析可以更明確來判斷數位影像的拍攝條件，是否過度曝光或曝光不足。
RGB三通道分析
先前函式介紹時，有提到可以指定計算直方圖的通道，也能計算RGB三通道的直方圖分析。
利用enumerate，指定i為索引的數值，就可以遍歷得走過[0, 1, 2] ，其中[0, 1, 2]表示 RGB 彩色影像中的所有通道。
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('111.jpg')
# 畫出 RGB 直方圖
color = ('b','g','r')
for i, col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0, 256])
plt.plot(histr, color = col)
plt.xlim([0, 256])
plt.show()
RGB
