calcHist函数在Opencv中是极难理解的一个函数，一方面是参数说明晦涩难懂，另一方面，说明书给出的实例也不足以令人完全搞清楚该函数的使用方式。最难理解的是第6，7，8个参数dims、histSize和ranges。以前一直都是想当然认为，该函数可以一次统计多张图片每个通道的灰度值数据，实际上calcHist函数一次只能统计一个通道上的直方图。我估计许多同学都犯过和我类似的错误，认为第5个参数hist，可以根据dims设定维度，比如dims=3，则输出的hist的维度就是3，并且会想当然的认为这个三维矩阵会保存三个通道上的直方图统计，悲哀的是，错了。它实际上是在三维坐标上统计的直方图，比如以第0个通道的灰度值有效统计范围（比如0~255）作为纵坐标，类似于笛卡尔坐标的y轴；以第1个通道灰度值统计有效范围作为横坐标，类似于笛卡尔坐标的x轴；以第2个通道的灰度值有效统计范围作为z轴。这三个轴坐标作为统计的依据。比如坐标（6，7，8），表示统计满足“0通道上灰度值为1；1通道上灰度为7；2通道上灰度为8的像素”，在整个图像上的像素个数。
当然，当dims=1时，就好理解了，就是对某一个单一通道上的灰度值直方图统计。
还有很重要一点，那就是，calcHist函数有bug。当图像尺度小于9*12，直方图均匀分布，并且直方条个数histSize为4时，会有统计错误，在后面的实例中我们会看到。
calcHist函数的声明如下：
OpenCV提供了两个重载的calcHist函数，它可以计算一系列阵列的直方图，这些系列通常是图像或像平面。它最多可以同时处理32个图像。
C++: void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize, const float** ranges, bool uniform=true, bool accumulate = false )
C++: void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, SparseMat& hist, int dims, const int* histSize, const float** ranges, bool uniform = true, bool accumulate= false )
参数说明：
images – 源图像数组，它们有同样的位深CV_8U或 CV_32F ，同样的尺寸；图像阵列中的每一个图像都可以有任意多个通道；
nimages – 源图像的数目。
channels – 维度通道序列，第一幅图像的通道标号从0~image[0].channels( )-1。Image[0]表示图像数组中的第一幅图像，channels（）表示该图像的通道数量。同理，图像阵列中的第二幅图像，通道标号从image[0].channerls( )开始，到image[1].channels( )-1为止；第三、四幅图像的通道标号顺序依此类推；也就是说图像阵列中的所有图像的通道根据图像排列顺序，排成一个通道队列。
mask – 可选择的mask。如果该矩阵不空的话，它必须是一个8-bit的矩阵，与images[i]同尺寸。在图像中，只有被mask覆盖的区域的像素才参与直方图统计。如果这个参数想用默认值，输入Mat()就可以了。
hist – 输出直方图， 它是一个稠密或稀疏矩阵，具有dims个维度；
dims – 直方图的维度，一定是正值， CV_MAX_DIMS（当前OpenCV版本是32个）；
histSize – 数组，即histSize[i]表示第i个维度上bin的个数；这里的维度可以理解为通道。
ranges – 当uniform=true时，ranges是多个二元数组组成的数组；当uniform=false时，ranges是多元数组组成的数组。当在每个维度（或通道）上每个直方条等宽时，即uniform=true时，灰度值的有效统计范围的下界用L0表示，上界用UhistSize[i]-1表示，角标中的i表示第i个维度（或通道），上下界值可以表示为hrange[i]={ L0, UhistSize[i]-1}, 在统计时， L0和UhistSize[i]-1不在统计范围内。而ranges={ hrange[0], hrange[1], …… , hrange[dims]}。ranges的元素个数由参数dims决定。
其中，L0表示在该通道上第0个直方条（bin）的下边界，UhistSize[i]-1表示最后一个直方条histSize[i]-1的上边界。在该维度上直方条的个数为histSize[i]，如hrange[0]={ L0,
UhistSize[0]},hrange[1]={ L1, UhistSize[1]}, hrange[2]={
L2, UhistSize[2]}, …… , hrange[dims]={ L0, UhistSize[0]}。
当uniform=false时，ranges中的每个元素ranges[i]都是一个多元数组，元素个数为histSize[i]+1，它们分别是：L0 , U0=L1, U1= L2,
…… ,UhistSize[i]-2 , LhistSize[i]-1 , UhistSize[i]-1
。所以，ranges[i]={ L0 , L1, L2, …… , LhistSize[i]-1 ,UhistSize[i]-1}
uniform – 标识，用于说明直方条bin是否是均匀等宽的。
accumulate – 累积标识。如果该项设置，当直方图重新分配时，直方图在开始清零。这个特征可以使你通过几幅图像，累积计算一个简单的直方图，或者及时更新直方图。
函数calcHist可以计算一幅或多幅图像的直方图。在元组中增量一个直方图的时候，就是从输入图像组中的原位置提取一幅图像，并计算出它的直方图，并添加到元组中。
当参数dims>1时，输出矩阵Hist是二维矩阵。
calcHist示例：单通道灰度图像
int main() { Mat hist; //这是一个9行12列的单通道图像 Mat img=(Mat_<uchar>(9,12) <<1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12, 1,2,3,4,5,6,7,8,9,10,11,12);
//灰度值有效范围是1~12，所以设定为hr1[]={1,13}；将灰度范围均分为3部分，三个直方条取值范围分别为：第1部分1~4，第2部分5~8，第3部分9~12。
//因此令histSize[1]={3},这里的3意味着整个图像灰度范围1~12被均分为3部分，分别统计像素个数。
int histSize[1]={3}; int channels[1]={0}; float hr1[]={1,13};//矩阵b的灰度值有效范围是1<=V<13 const float* ranges[]={hr1}; calcHist(&img,1,channels,Mat(),hist,1,histSize,ranges,true); cout<<"img="<<endl<<img<<endl; cout<<"hist="<<endl<< hist<<endl; return 0; }
输出结果如下：
本来一切都很完美，不过可惜，该函数有bug。
calcHist函数的bug
依然以上面的示例为例，当histSize[1]={3};或{6};或{12}都不会有问题。可是当histSize[1]={2};或{4}时，虽然uniform=true，但是在整个图像上灰度范围上，并没有被平均分割为2个或4个灰度直方条进行像素统计。输出结果如下所示：
经过测试，猜测，大概直方条的宽度含有3的整数倍时，均匀直方统计就会失效。如将上例中的图像改成9*15，灰度取值范围1~15，直方条个数为5，即直方条的宽度为3，则该函数的均匀直方统计就会失效，如下左图。然而，当直方条宽度为5时，则有正确输出结果，如下右图：
不过也有解决的办法，就是将灰度值统计范围的左值，也就是L0，减1，即L0=L0-1。还是以上面的例子为例，灰度值有效范围：1~15。令bin=3，但是hr1={0,16}，经验证可以得到正确的统计结果，如下图所示：
其他数据大家可以自行验证，都是正确的。