cv2中绘制直方图的函数

### 回答1：
在OpenCV中，可以使用cv2.calcHist()函数来计算图像的直方图，使用cv2.normalize()函数来将直方图值归一化到一定范围内，使用cv2.plot()函数来绘制直方图。

下面是使用cv2.calcHist()函数来计算图像直方图，并使用cv2.plot()函数绘制直方图的示例代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取图像
img = cv2.imread('test.jpg', 0)

# 计算直方图
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

# 归一化直方图
hist_norm = cv2.normalize(hist, None, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

# 绘制直方图
plt.plot(hist_norm)
plt.xlim([0, 256])
plt.show()

上述代码中，我们首先使用cv2.imread函数读取了一张灰度图像，然后使用cv2.calcHist函数计算了该图像的直方图。

在cv2.calcHist函数中，第一个参数是输入图像，第二个参数是通道索引，这里我们使用了0表示灰度通道。第三个参数是掩膜，这里我们使用了None表示不使用掩膜。第四个参数是直方图的大小，这里我们使用了256表示有256个直方图柱。第五个参数是直方图的范围，这里我们使用了[0, 256]表示像素值的范围。

然后，我们使用cv2.normalize函数将直方图进行了归一化，使其值在0到1之间。最后，我们使用plt.plot函数绘制了归一化后的直方图。

### 回答2：
OpenCV中绘制直方图的函数是`cv2.calcHist()`。

直方图是向量形式的图像数据统计结果，用于反映图像中不同灰度级的像素点的分布情况。在直方图中，横坐标表示灰度级，纵坐标表示该灰度级下对应像素点的数量或占比。

`cv2.calcHist()`函数用于计算给定图像的直方图。该函数的参数包括：
- images: 输入图像，可以是uint8或float32类型的图像，但必须是单通道图像。
- channels: 指定需要计算直方图的通道索引，例如对灰度图像计算直方图时，该参数为[0]；对彩色图像计算直方图时，可以指定为[0]、[1]、[2]，分别对应RGB三个通道。
- mask: 指定要考虑的像素点的掩码，只有掩码为非零的像素点才会被计算在内。
- histSize: 直方图的大小，即灰度级的数量。
- ranges: 像素值的范围，一般为[0, 256]。

`cv2.calcHist()`函数返回一个ndarray类型的直方图数据。

绘制直方图的步骤如下：
1. 首先，使用`cv2.calcHist()`计算输入图像的直方图数据。
2. 将直方图数据进行归一化处理，以便更好地显示。
3. 创建一个空图像，用于绘制直方图。
4. 遍历直方图数据中的每个灰度级，计算对应的bin宽度和高度，并在图像上绘制矩形表示直方图的柱状图。
5. 显示绘制好的直方图。

通过使用`cv2.calcHist()`函数，可以方便地计算和绘制图像的直方图，从而更好地了解图像的像素分布情况。