openmv的尺寸
直方图法4种类型记忆口诀？
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]) ()
像素通道大小是什么？
和图像颜色有关，实际上是通道个数。
1、灰度图像是单通道图像，其中每个像素只携带有关光强度的信息。这些图像完全由灰色阴影组成。
2、黑白图像在二值图像中，一个像素要么是黑色，要么是白色。它们之间没有颜色。但是灰度图像的像素有很大的灰度范围。打印的阵列是一个二维阵列，其中每个数字代表一个像素，数字的值是该像素中的光强度。
由于阵列中的每个数字代表一个像素，因此称为单通道图像。计算机视觉中每个像素的光强度是从0到255测量的，称为像素值。像素值为0时为黑色，像素值为255时为白色。因为我们使用OpenCV来读取图像数组，所以上面数组的尺寸是形状高度x宽度。在这里，图像沿y轴（高度）有6016个像素，沿x轴（宽度）有4016个像素。
3、与灰度图像不同，RGB图像是三通道的。每个像素由三个通道组成，每个通道代表一种颜色。在此图像中，每个像素有三个通道。第二维度中的每个数组表示一个像素。第0个指标是红光强度，第1个指标是绿光强度，第2个指标是蓝光强度。
打印此图像的形状时，它将打印一个包含高度、宽度和通道数的元组。将这三个值相乘，得到图像数组中的值总数。