沒有確切的口訣標準，但可以用以下方式來記憶直方圖法的4種類型：
1. 高低比較，從左往右，
比較高低，找極值。
山峰、山谷，都要記，
主次辨別，得出結論。
2. 上升或下降，有趨勢，
增減趨勢，需留心。
是否平穩，可推考，
趨勢有助，觀察深。
3. 分布集中，中間高，
兩邊低，形態識。
是否對稱，頂尖點，
左右相同，為合格。
4. 左右偏斜，中線移，
兩邊拉長，效應大。
偏斜的方向，研判中，
有目的學，得心幫。

直方圖口訣

左邊暗，右邊亮，越往右靠光越強；

偏左偏右都不好，反差要低山中央；

兩邊高，中間小，光比很大細節少；

不冒頭，不斷檔，連綿起伏好風光。

直方圖判斷曝光

左邊山腳見不到，暗部沒有細節；

右邊山腳見不到，亮部沒有細節；

兩邊山腳見不到，明暗均有失；

山峰靠右亮區大，山峰靠左暗影多；

山谷如果在中央，中間影調細節少。

(1) 什麼是直方圖

直方圖可以讓你了解總體的圖像像素強度分布，其X軸為像素值（一般範圍為0~255），在Y軸上為圖像中具有該像素值像素數。

直方圖的作用： 通過直方圖可以直觀地i奧傑圖像的對比度、亮度、強度分布等。

(2)尋找直方圖

幾個術語

BINS：直方圖的柱的個數稱為BINS，在OpenCV中表示為histSize

RANGE：測量的強度值的範圍，一般為[0,255]

OpenCV中的直方圖計算

使用cv2.calcHist(查找直方圖)：

cv.calcHist（images，channels，mask，histSize，ranges [，hist [，accumulate]]）

images：它是uint8或float32類型的源圖像。它應該放在方括號中，即“ [img]”。

channels：也以方括號給出。它是我們計算直方圖的通道的索引。例如，如果輸入為灰度圖像，則其值為[0]。對於彩色圖像，您可以傳遞[0]，[1]或[2]分別計算藍色，綠色或紅色通道的直方圖。、

mask：圖像掩碼。為了找到完整圖像的直方圖，將其指定為“無”。但是，如果要查找圖像特定區域的直方圖，則必須為此創建一個掩碼圖像並將其作為掩碼。（文章後面再說）

histSize：這表示我們的BIN計數。需要放在方括號中。對於全尺寸，我們通過[256]。

ranges：這是我們的RANGE。通常為[0,256]。

#讀取灰度圖 img = cv.imread('home.jpg',0) hist = cv.calcHist([img],[0],None,[256],[0,256])

hist是256x1的數組，每個值對應於該圖像中具有相應像素值的像素數。

(3) 繪製直方圖

Matplotlib繪製直方圖

a.繪製灰度圖的直方圖使用plt.hist()可以直接找到直方圖並繪製，無需使用cv2.calsHist()函數

import cv2 as cv import matplotlib.pyplot as plt img = cv.imread('messi.png',0) plt.subplot(1,2,1);plt.imshow(img) plt.subplot(1,2,2);plt.hist(img.ravel(),256,[0,256]) plt.show()

b.繪製RGB圖的直方圖

import cv2 as cv import matplotlib.pyplot as plt img = cv.imread('apple.png') #BGR img1=img.copy() img1[:,:,2],img1[:,:,0] =img[:,:,0],img[:,:,2] #BGR->RGB plt.subplot(1,2,1);plt.imshow(img1) color=('b','g','r') plt.subplot(1,2,2) for i,col in enumerate(color): hist=cv.calcHist([img],[i],None,[256],[0,256]) #找到第i個通道的直方圖數據 plt.plot(hist,color=col) plt.xlim([0,256]) plt.show()