1-BGR直方圖
在OpenCV中，彩色圖像存儲是通過多通道的數組來實現的，對CV_8UF3來言，其每個數組通道中的元素可取值為0到255。
顏色分布直方圖描述的是不同色彩在整幅圖像中所占的比例，而並不關心每種色彩所處的空間位置。
因此，對彩色圖像求其直方圖，可先提取彩色圖像的各個通道，然后對每個通道進行直方圖計算，最后利用圖像融合技術合並通道信息，求解出圖像顏色分布直方圖。
===========================分割線=========================
2-換個角度認識圖像（直方圖）
第一個就是當我們面對圖像的時候，我們面對的是抽象的矩陣，如下圖，下面是0-255的灰度圖像的表示，密密麻麻的。
那么我們做的直方圖，其實就是對這些像素值的統計。例如：首先，我們需要把0-255分成 17 個 區域（bin），如下圖所示：
我們對每個范圍中的灰度值進行統計排序，做出如下的表格：
我們是以圖像的灰度為例子說明這個直方圖，當然直方圖不僅僅用於灰度特種統計排序，還可以用於圖像的梯度、方向等特征。
灰度直方圖是灰度級的函數，描述圖像中該灰度級的像素個數（或該灰度級像素出現的頻率）：其橫坐標是灰度級，縱坐標表示圖像中該灰度級出現的個數（頻率）。
在以上的過程中，我們使用到一些重要的參數，理解這些參數幫助我們更好的使用API函數。
dims：需要統計的特征的數目，我們上面只統計了 灰度值這個特征，所以， dims =1。
bins：一般翻譯為箱子，看上圖，一共有16個bins，其實就和我們平時見得簡單函數差不多。在圖像直方圖中，你可以把一個灰度值設置為一個bins，0~255強度的灰度值一共就需要256個bins，是不是很簡單。
Range：就是范圍啦，規定一個bins能夠達到的最大和最小的范圍。比如一張圖片10*10，那么就有100個像素。然后前面已經說過，直方圖是按照亮度統計像素數量，那么范圍就是0~100啦。這里有一個地方要說一下，剛剛0~100還是對於比較小的圖像，那么對於比較大的圖像1000*1000，那么范圍太大了。我們統計像素數量的時候肯定沒有問題，但是要畫直方圖的時候，難道有一個包含100000個像素，豈不是要化的很長？所以，一般在畫直方圖的時候，會有一個比例縮放的過程，比如我提前定好我直方圖最大的高度只能夠是256，那么你就可以用(最大的高度/最大的像素量)統計到的像素量來進行縮放。這樣就簡單多了。我這里提到的縮放方式只是一種，你可以隨便定義喜歡的縮放方式。
一維直方圖的結構表示為：
再結合上面畫的示意圖，應該就很好理解了。
基本的概念其實很簡答,想的時候要不要想復雜了,那么基本概念就到這里了。
===============分割線===============
3-相關函數說明
當然了，首先介紹的是計算直方圖的函數了。
直方圖計算：calcHist()函數
1 void calcHist( const Mat* images, int nimages, 2 const int* channels, InputArray mask, 3 OutputArray hist, int dims, const int* histSize, 4 const float** ranges, bool uniform=true, bool accumulate=false );
參數解釋：
參數1：輸入源圖像。注意這里的格式是const Mat*，也就是說，你要傳入一個地址，輸入的數組(圖片)或者數組集(一堆圖片)需要為相同的深度（CV_8U或CV_32F）和相同的尺寸。
參數2：int類型的nimages，輸入數組的個數，也就是第一個參數中存放了多少張“圖像”，有幾個原數組。
參數3：const int*類型的channels，用來計算直方圖的channes的數組，需要統計的通道（dim）索引。第一個數組通道從0到images[0].channels()-1，而第二個數組通道從images[0]計算到images[0].channels()+images[1].channels()-1，以此類推。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。（這句表示沒看懂）。
參數4：InputArray類型的mask，可選的操作掩碼。如果此掩碼不為空，那么它必須為8位（CV_8U）的數組，並且與images[i]有同樣大小的尺寸，值為1的點將用來計算直方圖。這里的非零掩碼元素用於標記出統計直方圖的數組元素數據。
參數5：OutputArray類型的hist，輸出的計算出來的直方圖，一個二維數組。
參數6：int類型dims，需要計算的直方圖的維度，必須是正數，且不大於CV_MAX_DIMS。（32）
參數7：const int*類型的histSize，存放每個維度的直方圖尺寸的數組。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。
參數8：const float**類型的ranges，表示每一個維度數組（第6個參數dims）的每一維的邊界陣列，可以理解為每一維數值的取值范圍。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。
參數9：bool類型的uniform，表示直方圖是否均勻的標識符，即每一個豎條的寬度是否相等。有默認值true。
參數10：bool類型的accumulate，累計標識符，有默認值false。若其為true，直方圖在配置階段不會被清零。此功能主要是允許從多個陣列中計算單個直方圖，或者用於在特定的時間更新直方圖。
=====================間隔線======================
歸一化：normalize()函數
功能：縮放和移位數組元素，以便指定的標准（alpha）或最小（alpha）和最大（beta）數組值獲得指定的值。
1 void normalize( InputArray src, OutputArray dst, double alpha=1, double beta=0, 2 int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray());
參數解釋：
參數1：InputArray類型的src，輸入數組（圖像）。
參數2：OutputArray類似的dst，輸出數組（圖像），與輸入圖像類型尺寸一樣。
參數3：alpha，表示range normalization模式的最小值。有默認值為1。
參數4：beta，表示range normalization模式的最大值，不用於norm normalization(范數歸一化)模式。有默認值為0。
參數5：normType，表示歸一化的類型，可以有以下的取值：
---------------NORM_MINMAX：數組的數值被平移或縮放到一個指定的范圍，線性歸一化，一般較常用。
---------------NORM_INF：此類型的定義沒有查到，根據OpenCV 1的對應項，可能是歸一化數組的C-范數(絕對值的最大值)。
---------------NORM_L1：歸一化數組的L1-范數(絕對值的和)。
---------------NORM_L2：歸一化數組的(歐幾里德)L2-范數。
參數6：有默認值為-1。dtype為負數時，輸出數組的type與輸入數組的type相同；否則，輸出數組與輸入數組只是通道數相同，而tpye=CV_MAT_DEPTH(dtype)。
參數7：操作掩膜，用於指示函數是否僅僅對指定的元素進行操作。
=====================間隔線======================
繪圖方法詳情請看官方文檔： 基本繪圖
=======================分割線=====================
4-代碼演示
1 //---------------------------------------------------------- 2 //功能：BGR三通道直方圖實現 3 //----------------------------------------------------------
4
5 #include <opencv2/core/core.hpp>
6 #include <opencv2/highgui/highgui.hpp>
7 #include <opencv2/imgproc/imgproc.hpp>
8 #include <iostream>
9 using namespace std; 10 using namespace cv; 11
12 int main() 13 { 14 //------------【1】讀取源圖像並檢查圖像是否讀取成功--------------------------------
15 Mat srcImage = imread("D:/OutPutResult/ImageTest/aurora.jpg"); 16 if (!srcImage.data) 17 { 18 cout << "讀取圖片錯誤，請重新輸入正確路徑！\n"; 19 system("pause"); 20 return -1; 21 } 22 namedWindow("【源圖像-RGB顏色空間】"); 23 imshow("【源圖像-RGB顏色空間】", srcImage); 24 //-------------【2】圖像通道的分離，3個通道B、G、R------------------------
25 vector<Mat> rgb_channel; 26 split(srcImage, rgb_channel); 27 //-------------【3】初始化直方圖計算參數---------------------------------------
28 int bins = 256; 29 int histsize[] = { bins }; 30 float range[] = { 0, 256 }; 31 const float* histRange = { range }; 32 Mat b_Hist, g_Hist, r_Hist; 33 //-------------【4】計算各個通道的直方圖--------------------------------------
34 calcHist(&rgb_channel[0], 1, 0, Mat(), b_Hist, 1, histsize, &histRange, true, false); //B-通道
35 calcHist(&rgb_channel[1], 1, 0, Mat(), g_Hist, 1, histsize, &histRange, true, false); //G-通道
36 calcHist(&rgb_channel[2], 1, 0, Mat(), r_Hist, 1, histsize, &histRange, true, false); //R-通道 37 //-------------【5】設置直方圖繪圖參數----------------------------------------------------
38 int hist_h = 360; 39 int hist_w = bins * 3; 40 int bin_w = cvRound((double)hist_w / bins); 41 Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));//創建一個黑底的圖像，為了可以顯示彩色，所以該繪制圖像是一個8位的3通道圖像 42 //-------------【6】將直方圖歸一化到[0,histImage.rows] ------------------------------------------------------------------------------
43 normalize(b_Hist, b_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //B-通道
44 normalize(g_Hist, g_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //G-通道
45 normalize(r_Hist, r_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //R-通道 46 //--------------【7】繪制直方圖 ----------------------------------------------------------------
47 for (int i = 1; i < bins; i++) 48 { 49 //繪制B通道的直方圖信息
50 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(b_Hist.at<float>(i - 1))), Point(bin_w*(i), hist_h - cvRound(b_Hist.at<float>(i))), Scalar(255, 0, 0), 2, 8, 0); 51 //繪制G通道的直方圖信息
52 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(g_Hist.at<float>(i - 1))), Point(bin_w*(i), hist_h - cvRound(g_Hist.at<float>(i))), Scalar(0, 255, 0), 2, 8, 0); 53 //繪制R通道的直方圖信息
54 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(r_Hist.at<float>(i - 1))), Point(bin_w*(i), hist_h - cvRound(r_Hist.at<float>(i))), Scalar(0, 0, 255), 2, 8, 0); 55 } 56 namedWindow("【RGB直方圖】"); 57 imshow("【RGB直方圖】", histImage); 58 waitKey(0); 59 return 0; 60 }
=================================分割線======================
5-顯示結果
==============================分割線================================
6-程序說明
先把源圖像的通道進行分離，0-通道為B；1-通道為G；2-通道為R。然后計算每個通道的直方圖並繪制顯示處理。
