__author__ = "WSX"

 import cv2 as cv

 import numpy as np

 from matplotlib import pyplot as plt

 def plot( img):

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

     print(img.ravel()) #统计频次

     plt.show()

 def hist( img ):#反应图像的主要特征

     color = ("blue" ,"green" , "red")

     for i , color in enumerate(color):

         hist = cv.calcHist([img] , [i], None ,[256],[0,256]) #参数2：通道数  参数三：mask存在？

         plt.plot(hist , color = color)

         plt.xlim([0 , 256])

     plt.show()

 #-------------------------------直方图应用-------------------

 # 均衡化（调整对比度） 和  比较

 # 整体均衡化（基于灰度图） 增强图像的一个手段

 def equ_hist( img ):

     gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)

     dst = cv.equalizeHist( gray )   # 均衡化

     cv.imshow("equ" ,dst)

 # 局部均衡化

 def equ_hist( img ):

     gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)

     cla = cv.createCLAHE( clipLimit= 2, tileGridSize=(8,8))   # 均衡化

     dst = cla.apply(gray)

     cv.imshow("equ" ,dst)

 #直方图比较（多种比较方法）比较图片相似度

 def creat_rgb_hist( img ):

     h , w ,c = img.shape

     rgbhist = np.zeros([16 * 16 * 16 , 1] ,np.float32)

     bsize = 256 / 16

     pass

 def hist_compare(img1 , img2):  #比较图像的相似性

     hist1 = creat_rgb_hist( img1 )

     hist2 = creat_rgb_hist( img2 )

     match1 = cv.compareHist( hist1 , hist2, cv.HISTCMP_BHATTACHARYYA )  #第三个参数 是 比较的方式

     match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)

     match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)

     print("""巴氏：%s

             相关性：%s

             卡方：%s

     """ %(match1 , match2 ,match3))

 #----------------------------直方图反向投影--------------------------

 def main():

     img = cv.imread("1.JPG")

     cv.namedWindow("Show", cv.WINDOW_AUTOSIZE)

     cv.imshow("Show", img)

     #plot(img)

     hist(img)

     cv.waitKey(0)

     cv.destroyAllWindows()

 main()