calcHist函數在Opencv中是極難理解的一個函數，一方面是參數說明晦澀難懂，另一方面，說明書給出的實例也不足以令人完全搞清楚該函數的使用方式。最難理解的是第6，7，8個參數dims、histSize和ranges。以前一直都是想當然認為，該函數可以一次統計多張圖片每個通道的灰度值數據，實際上calcHist函數一次只能統計一個通道上的直方圖。我估計許多同學都犯過和我類似的錯誤，認為第5個參數hist，可以根據dims設定維度，比如dims=3，則輸出的hist的維度就是3，並且會想當然的認為這個三維矩陣會保存三個通道上的直方圖統計，悲哀的是，錯了。它實際上是在三維坐標上統計的直方圖，比如以第0個通道的灰度值有效統計范圍（比如0~255）作為縱坐標，類似於笛卡爾坐標的y軸；以第1個通道灰度值統計有效范圍作為橫坐標，類似於笛卡爾坐標的x軸；以第2個通道的灰度值有效統計范圍作為z軸。這三個軸坐標作為統計的依據。比如坐標（6，7，8），表示統計滿足“0通道上灰度值為1；1通道上灰度為7；2通道上灰度為8的像素”，在整個圖像上的像素個數。
當然，當dims=1時，就好理解了，就是對某一個單一通道上的灰度值直方圖統計。
還有很重要一點，那就是，calcHist函數有bug。當圖像尺度小於9*12，直方圖均勻分布，並且直方條個數histSize為4時，會有統計錯誤，在后面的實例中我們會看到。
calcHist函數的聲明如下：
OpenCV提供了兩個重載的calcHist函數，它可以計算一系列陣列的直方圖，這些系列通常是圖像或像平面。它最多可以同時處理32個圖像。
C++: 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 )
C++: void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, SparseMat& hist, int dims, const int* histSize, const float** ranges, bool uniform = true, bool accumulate= false )
參數說明：
images – 源圖像數組，它們有同樣的位深CV_8U或 CV_32F ，同樣的尺寸；圖像陣列中的每一個圖像都可以有任意多個通道；
nimages – 源圖像的數目。
channels – 維度通道序列，第一幅圖像的通道標號從0~image[0].channels( )-1。Image[0]表示圖像數組中的第一幅圖像，channels（）表示該圖像的通道數量。同理，圖像陣列中的第二幅圖像，通道標號從image[0].channerls( )開始，到image[1].channels( )-1為止；第三、四幅圖像的通道標號順序依此類推；也就是說圖像陣列中的所有圖像的通道根據圖像排列順序，排成一個通道隊列。
mask – 可選擇的mask。如果該矩陣不空的話，它必須是一個8-bit的矩陣，與images[i]同尺寸。在圖像中，只有被mask覆蓋的區域的像素才參與直方圖統計。如果這個參數想用默認值，輸入Mat()就可以了。
hist – 輸出直方圖， 它是一個稠密或稀疏矩陣，具有dims個維度；
dims – 直方圖的維度，一定是正值， CV_MAX_DIMS（當前OpenCV版本是32個）；
histSize – 數組，即histSize[i]表示第i個維度上bin的個數；這里的維度可以理解為通道。
ranges – 當uniform=true時，ranges是多個二元數組組成的數組；當uniform=false時，ranges是多元數組組成的數組。當在每個維度（或通道）上每個直方條等寬時，即uniform=true時，灰度值的有效統計范圍的下界用L0表示，上界用UhistSize[i]-1表示，角標中的i表示第i個維度（或通道），上下界值可以表示為hrange[i]={ L0, UhistSize[i]-1}, 在統計時， L0和UhistSize[i]-1不在統計范圍內。而ranges={ hrange[0], hrange[1], …… , hrange[dims]}。ranges的元素個數由參數dims決定。
其中，L0表示在該通道上第0個直方條（bin）的下邊界，UhistSize[i]-1表示最后一個直方條histSize[i]-1的上邊界。在該維度上直方條的個數為histSize[i]，如hrange[0]={ L0, UhistSize[0]},hrange[1]={ L1, UhistSize[1]}, hrange[2]={ L2, UhistSize[2]}, …… , hrange[dims]={ L0, UhistSize[0]}。
當uniform=false時，ranges中的每個元素ranges[i]都是一個多元數組，元素個數為histSize[i]+1，它們分別是：L0 , U0=L1, U1= L2, …… ,UhistSize[i]-2 , LhistSize[i]-1 , UhistSize[i]-1 。所以，ranges[i]={ L0 , L1, L2, …… , LhistSize[i]-1 ,UhistSize[i]-1}
uniform – 標識，用於說明直方條bin是否是均勻等寬的。
accumulate – 累積標識。如果該項設置，當直方圖重新分配時，直方圖在開始清零。這個特征可以使你通過幾幅圖像，累積計算一個簡單的直方圖，或者及時更新直方圖。
函數calcHist可以計算一幅或多幅圖像的直方圖。在元組中增量一個直方圖的時候，就是從輸入圖像組中的原位置提取一幅圖像，並計算出它的直方圖，並添加到元組中。
當參數dims>1時，輸出矩陣Hist是二維矩陣。
calcHist示例：單通道灰度圖像
int main() { Mat hist; //這是一個9行12列的單通道圖像 Mat img=(Mat_<uchar>(9,12) <<1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12);
//灰度值有效范圍是1~12，所以設定為hr1[]={1,13}；將灰度范圍均分為3部分，三個直方條取值范圍分別為：第1部分1~4，第2部分5~8，第3部分9~12。
//因此令histSize[1]={3},這里的3意味着整個圖像灰度范圍1~12被均分為3部分，分別統計像素個數。
int histSize[1]={3}; int channels[1]={0}; float hr1[]={1,13};//矩陣b的灰度值有效范圍是1<=V<13 const float* ranges[]={hr1}; calcHist(&img,1,channels,Mat(),hist,1,histSize,ranges,true); cout<<"img="<<endl<<img<<endl; cout<<"hist="<<endl<< hist<<endl; return 0; }
輸出結果如下：
本來一切都很完美，不過可惜，該函數有bug。
calcHist函數的bug
依然以上面的示例為例，當histSize[1]={3};或{6};或{12}都不會有問題。可是當histSize[1]={2};或{4}時，雖然uniform=true，但是在整個圖像上灰度范圍上，並沒有被平均分割為2個或4個灰度直方條進行像素統計。輸出結果如下所示：
經過測試，猜測，大概直方條的寬度含有3的整數倍時，均勻直方統計就會失效。如將上例中的圖像改成9*15，灰度取值范圍1~15，直方條個數為5，即直方條的寬度為3，則該函數的均勻直方統計就會失效，如下左圖。然而，當直方條寬度為5時，則有正確輸出結果，如下右圖：
不過也有解決的辦法，就是將灰度值統計范圍的左值，也就是L0，減1，即L0=L0-1。還是以上面的例子為例，灰度值有效范圍：1~15。令bin=3，但是hr1={0,16}，經驗證可以得到正確的統計結果，如下圖所示：
其他數據大家可以自行驗證，都是正確的。