python重写实现calcHist

在OpenCV中，calcHist函数用于计算图像的直方图。下面是一个用Python实现的calcHist函数的示例代码：

import numpy as np

def calcHist(image, bins, ranges):
    """
    计算图像的直方图
    :param image: 输入图像
    :param bins: 直方图的bin数目
    :param ranges: 直方图的范围
    :return: 直方图
    """
    # 获取图像的通道数目
    channels = image.shape[-1] if len(image.shape) == 3 else 1

    # 初始化直方图
    hist = np.zeros((bins,)*channels, dtype=np.int32)

    # 计算直方图
    for c in range(channels):
        # 将图像投影到某一通道上
        channel_image = image[..., c] if channels > 1 else image
        # 计算每个像素的bin编号
        channel_hist = np.floor((channel_image - ranges[c][0]) /
                                (ranges[c][1] - ranges[c][0]) * bins).astype(np.int32)
        # 对bin编号进行裁剪，使其在[0, bins-1]范围内
        channel_hist = np.clip(channel_hist, 0, bins - 1)
        # 统计每个bin的像素数目
        for i in range(channel_image.shape[0]):
            for j in range(channel_image.shape[1]):
                hist[tuple(channel_hist[i, j])] += 1

    return hist

该函数接受三个参数：输入图像、直方图的bin数目和直方图的范围。其中，直方图的范围是一个列表，每个元素代表一个通道的范围。例如，ranges=[(0, 256)]表示对单通道图像计算0-255的直方图，ranges=[(0, 256), (0, 256), (0, 256)]表示对三通道图像计算0-255的直方图。

函数首先获取图像的通道数目，并初始化一个全零的直方图数组。然后，对于每个通道，将图像投影到该通道上，并计算每个像素的bin编号。最后，统计每个bin的像素数目，并返回直方图数组。

该函数的使用方法与OpenCV中的calcHist函数相似。例如，要计算一张灰度图像的8-bin直方图，可以使用以下代码：

import cv2

image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
hist = calcHist(image, 8, [(0, 256)])

其中，image是输入图像的路径，hist是计算得到的直方图。