• 本文目录导读：
• 1、什么是灰度直方图？
• 2、使用OpenCV库绘制灰度直方图

数字图像处理是一门涉及到计算机科学和电子工程等多个领域的学科，其研究对象是数字化后的图像。而在数字化后的图像中，灰度直方图是一项非常重要的统计指标。本文将介绍如何使用OpenCV库来绘制灰度直方图。

什么是灰度直方图？

在了解如何绘制灰度直方图之前，我们先来了解一下什么是灰度直方图。

简单来说，所谓“直方”就是指某种事物出现次数与其取值范围之间关系的统计表示。而对于一个数字化后的二维或三维图片（包括黑白和彩色），它所呈现出来的亮暗程度被称为“亮度”或“明暗”，这个亮暗程度可以用0-255（或0-1024）之间不同数值表示。因此，在一个图片中所有可能出现过得每个亮暗程度都有一个相应出现次数，并且这些次数构成了该图片对应的一个统计分布曲线，我们称之为该图片对应得到“灰度直方”。

从另外一个角度考虑，“灰度直方”是将一张图片中每个像素点的灰度值进行统计，从而得到一个表示该图片亮暗程度分布情况的曲线图。这个曲线图可以用于分析和描述图片的亮暗特征。

使用OpenCV库绘制灰度直方图

OpenCV是一个强大的计算机视觉库，它提供了许多函数来处理数字化后的图片。在本文中，我们将介绍如何使用OpenCV来读取、处理和绘制一张图片对应的灰度直方。

首先，在开始之前请确保您已经安装好了OpenCV库，并且能够正确地导入对应模块（例如Python中常用cv2模块）。

其次，在读取一张需要处理的图片后，请使用以下代码片段获取到该图片对应得到灰度值：

“`python

import cv2

import numpy as np

# 读取需要处理的原始彩色图像

img = cv2.imread(‘image.jpg’)

# 将原始彩色图像转化为灰度图像

gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 获取该灰度图像每个像素点对应得到0-255之间不同亮暗程度下出现过得总次数，并存储在hist数组中

hist = cv2.calcHist([gray_img],[0],None,[256],[0,256])

“`

上述代码通过cv2模块中的cvtColor函数将原始彩色图像转化为灰度图像，然后使用calcHist函数获取该灰度图像每个像素点对应得到0-255之间不同亮暗程度下出现过得总次数，并存储在hist数组中。

接下来，我们可以通过以下代码片段使用matplotlib库将上述hist数组绘制成灰度直方：

import matplotlib.pyplot as plt

# 绘制直方图

plt.hist(gray_img.ravel(),256,[0,256])

plt.show()

上述代码使用matplotlib库中的hist函数将gray_img.ravel()（即所有图片点的灰度值）绘制成一个表示亮暗分布情况的直方。其中，参数256表示要绘制256个条形统计数据，并且分布在[0, 256]范围内。

本文介绍了如何通过OpenCV库来读取、处理和绘制一张图片对应得到灰度直方。在数字化后的图片处理中，通过对一张图片进行灰度直方统计并可视化展示，我们可以更好地理解和描述这张图片所呈现出来的亮暗特征。