统计直方图怎么看详细讲解
常见直方图的六种类型？
常见直方图的六种类型？
(1) 标准型(对称型)。数据的平均值与最大值和最小值的中间值相同或接近,平均值附近数据的频数最多，频数从中间值开始向两边缓慢下降，平均值左右对称。这种形状也是最常见的。
(2) 锯齿型。作频数分布表时，如分组过多，会出现此种形状。另外，当测量方法有问题或读错测量数据时,也会出现这种形状。
(3)偏峰型。数据的平均值位于中间值的左侧(或右侧)，从左至右(或从右至左)，数掘分布的频数增加后突然减少，形状不对称。当下限(或上限)受到公差等因素限制时，由于心理因素，往往会出现这种形状。
(4) 陡壁型。平均值远左离(或右离)直方图的中间值，频数自左至右减少(或增加)，直方图不对称。
(5) 平顶型。当几种平均值不同的分布混在一起，或过程中某种要素缓慢劣化时，常出现这种形状。
(6) 孤岛型。在标准型的直方图的一侧有一个“小岛”。出现这种情况是夹杂了其他分布的少量数据，比如工序异常、测量错误或混有另一分布的少量数据。
直方图法4种类型记忆口诀？
直方图口诀
左边暗，右边亮，越往右靠光越强；
偏左偏右都不好，反差要低山中央；
两边高，中间小，光比很大细节少；
不冒头，不断档，连绵起伏好风光。
直方图判断曝光
左边山脚见不到，暗部没有细节；
右边山脚见不到，亮部没有细节；
两边山脚见不到，明暗均有失；
山峰靠右亮区大，山峰靠左暗影多；
山谷如果在中央，中间影调细节少。
(1) 什么是直方图
直方图可以让你了解总体的图像像素强度分布，其X轴为像素值（一般范围为0~255），在Y轴上为图像中具有该像素值像素数。
直方图的作用： 通过直方图可以直观地i奥杰图像的对比度、亮度、强度分布等。
(2)寻找直方图
几个术语
BINS：直方图的柱的个数称为BINS，在OpenCV中表示为histSize
RANGE：测量的强度值的范围，一般为[0,255]
OpenCV中的直方图计算
使用(查找直方图)：
（images，channels，mask，histSize，ranges [，hist [，accumulate]]）
images：它是uint8或float32类型的源图像。它应该放在方括号中，即“ [img]”。
channels：也以方括号给出。它是我们计算直方图的通道的索引。例如，如果输入为灰度图像，则其值为[0]。对于彩色图像，您可以传递[0]，[1]或[2]分别计算蓝色，绿色或红色通道的直方图。、
mask：图像掩码。为了找到完整图像的直方图，将其指定为“无”。但是，如果要查找图像特定区域的直方图，则必须为此创建一个掩码图像并将其作为掩码。（文章后面再说）
histSize：这表示我们的BIN计数。需要放在方括号中。对于全尺寸，我们通过[256]。
ranges：这是我们的RANGE。通常为[0,256]。
#读取灰度图 img (##39,0) hist ([img],[0],None,[256],[0,256])
hist是256x1的数组，每个值对应于该图像中具有相应像素值的像素数。
(3) 绘制直方图
Matplotlib绘制直方图
a.绘制灰度图的直方图使用plt.hist()可以直接找到直方图并绘制，无需使用()函数
import cv2 as cv import as plt img (##39,0) (1,2,1)(img) (1,2,2)plt.hist(img.ravel(),256,[0,256]) ()