【五分钟】熟练使用numpy的histogram函数（干货！！！）

histogram函数重要参数详解

def histogram(a, bins=10, range=None, normed=None, weights=None, density=None):
	...

位置参数a：

The histogram is computed over the flattened array.（源码对参数a的解释）

从源码对参数a的解释来看，参数a应该传入一维数组以计算直方图。然而，参数a既可接受PIL.Image对象，也可接受多维数组对象。参数a之所以能够接受PIL.Image对象，是因为histogram函数内部会通过数组的asarray方法将PIL.Image对象转换为numpy的多维数组；而参数a之所以能够接受多维数组，是因为histogram函数内部会通过数组的reval方法将多维数组展开成一维数组。

默认参数bins
bins参数规定的是直方图中箱子的数量。
以灰度直方图为例，灰度图像的数值范围是[0, 255]，共256个数值。假定256个灰度级，等价于灰度直方图将有256个箱子 ==> bins应设置为256；
默认参数range
range参数规定直方图横坐标的显示范围，默认为数据的范围（最小值和最大值）。如果灰度图像像素的最小值为30，最大值为220，而range不自行规定为(0, 255)，那么画出的直方图横坐标数值范围为(30, 220)，如下所示：

因此，若要画灰度图像256个灰度级的灰度直方图，建议将range参数设置为(0, 255)。

histogram函数返回值详解

第一个返回值hist——直方图的纵坐标

若要绘制灰度直方图，那么histogram函数返回的第一个值便记录了灰度直方图每个灰度级的像素个数，也就是灰度直方图的所有纵坐标。如果由256个灰度级，那么返回值hist的长度便为256。

第二个返回值bin_edges——直方图横坐标的边界

由于直方图是由一个个“箱子组成的”，那么每个箱子都有左右边界，且相邻箱子共用一个边界。那么对于灰度直方图而言，如果有256个灰度级 ⇒ 256个箱子（bins=256） ⇒ 257个不同边界(共有边界算一个)。因此，返回的bin_edges的长度是 len(hist) + 1。bin_edges的两端边界受到参数range的影响。如果range为(0, 255), 那么bin_edges的左端边界为0，右端边界为255, 并等间隔划分256份(由bins参数决定)，共257个边界值。如果range为(0, 100), 那么bin_edges的左端边界为0，右端边界为100，仍然等间隔划分256份(由bins参数决定)，共257个边界值。

基于histogram函数画灰度图像的灰度直方图

代码如下：

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image

# 读取图像并将其转换为灰度图像
img = Image.open('lena.jpg').convert('L')

# 计算图像的灰度直方图
# histogram的输入既可以是PIL.Image对象，也可以是多维数组
hist, bin_edges = np.histogram(a=img, bins=256, range=(0, 255))

# 绘制灰度直方图
plt.bar(bin_edges[:-1], hist) # bin_edges的长度是hist长度 + 1 故舍弃bin_edges数组最后一个数值
plt.show()