计算图像的直方图：使用calcHist函数计算直方图，载入一幅原始图像，输出该图像对应的直方图。使用OpenCV函数 split 将图像分割成单通道数组。 使用OpenCV函数 calcHist 计算图像阵列的直方图。 使用OpenCV函数 normalize 归一化数组

在OpenCV中，计算图像的直方图是一个常见的预处理步骤，它有助于我们了解图像的颜色分布。以下是使用Python和OpenCV库来完成这个任务的基本步骤：

1. 首先，需要导入所需的库：

import cv2
import numpy as np

2. 载入原始图像，并将其转换为BGR色彩空间（如果不是），因为`calcHist`默认处理的是BGR格式：

image = cv2.imread('image.jpg')
bgr_image = image.copy()

3. 使用`cv2.split`函数将图像分解为三个单通道数组（蓝色、绿色通道和红色通道）：

(b, g, r) = cv2.split(bgr_image)

4. 对每个通道分别计算直方图：

hist_b = cv2.calcHist([b], [0], None, [256], [0, 256])
hist_g = cv2.calcHist([g], [1], None, [256], [0, 256])
hist_r = cv2.calcHist([r], [2], None, [256], [0, 256])

这里，`[0]`, `[1]`, `[2]`表示对应BGR通道，`None`用于颜色空间范围，`[256]`指256个bins（区间）。

5. 合并所有通道的直方图成为一个三维数组，通常我们只关心前两个维度（因为第三个维度是累积频率）：

hist = np.concatenate((hist_b.reshape(-1, 1), hist_g.reshape(-1, 1), hist_r.reshape(-1, 1)), axis=1)

6. 最后，我们可以使用`cv2.normalize`对直方图进行归一化，使得总和等于1：

normalized_hist = cv2.normalize(hist, hist).flatten()

现在，`normalized_hist`是一个归一化的图像直方图。