下载文档原格式
直方图也叫柱状图，它以坐标轴上波形图的形式显示照片的曝光精度，其横轴表示亮度等级，从左侧0（暗色调）到右侧255（亮色调），将照片的亮度等级分为256级，而纵轴则表示每个亮度等级下的像素个数，峰值越高说明该明暗值的像素数量越多，在画面中所占的面积也就越大，将纵轴上这些像数值点连接起来，就形成了连续的直方图波形。
通过直方图的横轴和纵轴我们可以理性地判断曝光是否合适，影像的层次是否丰富，是否超出了数码相机的动态范围等等。
当然，要想使用直方图，首先得学会如何解读“直方图”：以一般的正确曝光的要求来看，一幅照片需要有丰富的层次，无论是高光部分还是阴影部分，细节层次越多越好。
这样的照片通过直方图来显示时，则从左到右都有曲线分布，同时直方图的两侧不会有像素溢出。
典型的直方图形状有以下5种，分别对应不同的曝光状况（由于数码相机与Photoshop的直方图显示方式相仿，故以Photoshop上的直方图显示为例，以便于直观了解）：1. 平滑型—曝光正确图1正确曝光照片的亮度色调分布应该是比较平均的，表现在直方图上其曲线形状看上起平滑饱满，由左端0位置开始，渐进变化，平滑过渡到右端255这个位置，在各亮度等级上均有像数表现，并且在左端（最暗处）和右端（最亮处）没有溢出现象，保留着各亮度的细节层次。
如图1所示，图1的直方图中没有断档和溢出，说明这是一幅曝光准确的照片，亮部和暗部都保留了丰富的层次和细节。
图2而图2虽然过渡并不平滑，但亮度和暗部均没有溢出，中间也没有断档，所以也是一幅曝光准确的照片。
2. 右坡型—曝光不足曝光不足照片的直方图曲线波形偏重于左侧，多数的像素集中在左侧，波形图的右侧有较明显的下降，并且其右侧到255（最亮处）位置处有一段空白，很少甚至没有像素。
这种照片看上去过于暗淡，暗的部位较多，亮调不足，可通过增加曝光补偿、增大光圈或降低快门速度来调整。
在用Photoshop进行后期处理时，可以点击“图像→调整→暗调/高光”，拖动“暗调”项滑杆来修正曝光不足。
直方图有关知识点总结归纳一、直方图的基本概念1. 直方图的定义直方图是一种以长方形条表示数据频数分布的图形，它将数据按照不同的取值范围分组，并用矩形的高度来表示每个组别的频数，通常横轴表示数据取值范围，纵轴表示频数或频率。
2. 直方图的用途直方图主要用于展示数据的分布情况和频数分布，可以直观地反映出数据的特征。
通过观察直方图，可以了解数据的中心趋势、离散程度等重要信息，对数据的分析和解释具有重要意义。
3. 直方图与柱状图的区别直方图和柱状图都是用长方形条表示数据，但它们之间有一些明显的区别。
直方图用于展示连续变量的频数分布，通常没有间隔，而柱状图则用于展示分类变量的数据，通常有间隔。
二、直方图的绘制方法1. 数据分组绘制直方图之前，首先需要对数据进行分组处理。
一般来说，直方图的分组方式有简单随意分组、等宽分组和等频分组等方法，根据不同数据的分布情况选择合适的分组方式。
2. 绘制坐标轴在绘制直方图时，需要绘制横轴和纵轴，横轴通常表示数据的取值范围，纵轴表示频数或频率。
在绘制时需注意选择合适的刻度和轴标签，使得图形清晰易懂。
3. 绘制长方形条根据数据分组的结果，按照每个组别的频数或频率，在对应的位置上绘制长方形条，长方形条的高度代表了该组别的频数或频率。
4. 添加标题和标签最后，需要添加标题和标签，说明直方图的含义和数据的来源，使得图形更加完整和明了。
三、直方图的特点1. 易于理解直方图通过直观的图形展示了数据的分布情况，能够直观地反映出数据的特征，便于人们理解和分析数据。
2. 反映数据分布直方图能够清晰地展示数据的分布情况，包括数据的中心趋势、离散程度等重要信息，有助于人们对数据的特征有更深入的了解。
3. 对比不同组别直方图可以直接对比不同组别的频数或频率，帮助人们了解不同组别之间的差异和相似之处。
4. 难以变换直方图通常用于展示分布情况，不易对数据进行变换，因此在选择分组方式和绘制时需谨慎考虑。
图像直方图知识点总结1. 直方图的概念直方图是一种统计图形，是将图像中各个灰度级别的像素数量统计出来后，以灰度级别为横坐标，像素数量为纵坐标绘制成的图形。
直方图能够直观地展示图像中像素的分布情况，可以反映图像亮度的均匀性、对比度等信息。
通过直方图，我们可以了解到图像中的主要亮度分布情况，并据此进行图像的处理。
2. 直方图的特性直方图主要包括以下几个特性：（1）灰度级别：直方图横坐标表示了图像的灰度级别，通常在0-255之间，其中0表示最暗的像素，255表示最亮的像素。
（2）像素数量：直方图纵坐标表示了该灰度级别下的像素数量，能够反映出图像中各个灰度级别的像素分布情况。
（3）峰值：直方图中的峰值表示了图像中主要的亮度分布情况，峰值越高则表示该亮度级别下的像素越多。
（4）对比度：直方图的分布情况能够反映出图像的对比度，对比度越大则直方图中的峰值越明显。
3. 直方图的应用直方图在图像处理中有着广泛的应用，主要包括以下几个方面：（1）图像增强：通过对直方图进行均衡化等处理，可以增强图像的对比度，使图像更加清晰。
（2）图像分割：通过直方图可以找到图像中不同区域的亮度分布情况，从而进行图像的分割处理。
（3）图像压缩：通过对直方图进行统计分析，可以找到图像中重复出现的像素，从而进行有效的图像压缩。
（4）图像识别：通过对直方图进行特征提取，可以对图像进行识别和分类。
4. 直方图均衡化直方图均衡化是一种常用的图像增强方法，通过对图像的直方图进行调整，使得图像的像素分布更加均匀，提高了图像的对比度和视觉效果。
直方图均衡化主要包括以下几个步骤：（1）计算灰度频率：首先需要统计图像中各个灰度级别的频率，得到原始直方图。
（2）计算累积频率：对原始直方图进行累积求和等处理，得到各个灰度级别的累积频率。
（3）灰度映射：根据累积频率进行灰度级别的映射，得到新的直方图。
（4）图像重构：根据新的直方图对图像像素进行重构，得到均衡化后的图像。
138138138145134130139131 134 137 142139137141132135 140127 136 132 148144137135135135141 136 137 131 145138133131134134138 128 133 139 140139140136132136137 138 121 136 141136130131134131137132 129 135 直⽅图简介及详细绘制步骤先啰嗦两句，在质量管理七⼤原则中，讲究询证决策，说⼈话就是“说话办事得有证据”。
质量数据便是可以很好的辅助决策的客观依据。
但简单粗糙未经整理的原⽣态数据显然是没办法完成它这个使命的。
所以如何整理质量数据进⽽清晰准确表达质量信息，可以说是质量⼈的⼀项基本⽣存技能。
⽽数据整理和表达的⼀个经典模型，便是直⽅图。
⼀、直⽅图是什么直⽅图⽤⼀系列宽度相等、⾼度不等的长⽅形来表⽰数据，其宽度代表组距，⾼度代表指定组距内的数据数（频数）。
它由英国拥有诸多头衔的天才学者卡尔卡尔·⽪尔逊（Karl Pearson ，1857—1936，右边这个帅男⼈，英国著名统计学家、应⽤数学家、历史学家、哲学家、伦理学家、民俗学家、宗教学家、优⽣学家、头⾻测量专家……名号⽐龙妈还多……）提出，并由在⽇本质量学者总结纳⼊经典QC 七⼤⼯具中。
直⽅图可使我们⽐较容易直接看到数据的分布形状、离散程度和位置状况：观察数据分布的类型，分析是否服从正态分布，有⽆异常；判断数据分布范围是否满⾜规格范围的要求；与产品规格界限做⽐较，判断分布中⼼是否偏离规格中⼼，以确定是否需要调整及调整量；但需要注意的是，虽然在过程能⼒分析中，我们常常利⽤直⽅图整理数据⽤以分析其分布状态，但有时根据观测数据所绘制的直⽅图呈⾮正态的异常分布。
这说明过程已出现了异常。
在这种状态下，是不能计算过程能⼒指数的，必须先排查异常原因，予以排查纠正后，再重新收集数据并分析。
直方图描述的是图片显示范围内影像的明度分布图形。
直方图左边显示的是图像的阴影信息，中间显示图像的中间色调信息，右边则显示图像的高亮信息。
直方图的横轴从左到右代表照片从黑（暗部）到白（亮部）的像素数量，水平轴方向是一个256级明度座标，左边最暗处的值为0，右边最亮处的值为255。
直方图的垂直轴方向代表了在给定值下像素的数量，给定值下柱子越高，代表像素信息越多；柱子越低，代表像素信息越少，少到为零。
需要注意的是，当像素堆积超出了直方图边框的顶端，代表部分像素超出了相机记录的极限，也就是常说的像素溢出。
在一個直方图內，横轴代表由暗到亮（0到255）的信息，纵轴則代表該亮度值下的像素数量，以下是三種最常見的曝光情況：1. 過曝图形偏向右邊，即高光部分堆积大量像素，左邊基本上沒有图形，即暗部没有像素。
2. 正常曝光(Average)图形很平均地从左到右分佈，中間的图形比較多。
呈现为钟的形状，类似为正态分布。
3. 曝光不足(Underexposed) 图形偏向左邊，即暗部堆积大量像素，右边基本上沒有图形，即高光部分没有像素。
如何用直方图来判断图片的曝光一般我们认为曝光大体分为两种，标准曝光（正确曝光）和特性曝光。
按照传统18度灰的理论，标准曝光是在感光元件（CCD或者CMOS）的感光宽容度范围内，将拍摄对象看成是18%度的灰板进行拍照。
在数值上，拍摄对象反射后的光线强度与18%度灰反射后的光线在强度是相等的，从而就可以得到标准曝光值。
在实际拍摄的时候，为了更好的突出拍摄的主体，拍摄者还会选择特性曝光，如高调和低调等。
一幅较好的摄影作品从直方图的显示中可以看到明暗细节都有，在柱状图上的表现就是从左到右都有均匀分布，同时直方图的两侧是不会有像素溢出的。
而直方图的竖轴就表示相应部分所占画面的面积，峰值越高说明该明暗值的像素数量越多，如果直方图显示只在左边有，说明画面没有明亮的部分，整体偏暗，有可能曝光不足；如果直方图显示只在右边有，说明画面缺乏暗部细节，很有可能曝光过度；如果整个直方图贯穿横轴，没有峰值，同时明暗两端又同时溢出，说明这幅照片很可能反差过高，这样会使画面的明暗两极都产生不可逆转的细节损失。
直方图是什么
直方图简介
直方图又称为质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据类型，纵轴表示分布情况。
直方图定义
直方图又称质量分布图，它是表示资料变化情况的一种主要工具，用直方图可以解析出资料的规则性，比较直观地看出产品质量特性的分布状态，对于资料分布状况一目了然，便于判断其总体质量分布情况。
直方图应用步骤
收集数据
作直方图的数据一般应大于50个。
确定数据的极差
用数据的最大值减去最小值求得。
确定组距
先确定直方图的组数，然后以此组数去除极差，可得直方图每组的宽度，即组距，组数的确定要适当，组数太少，会引起较大计算误差，组数太多，会影响数据分组规律的明显性，且计算工作量加大。
确定各组的界限值
为了避免出现数据值与组界限值重合而造成频数据计算困难，组的界限值单位应取最小测量单位的二分之一，分组时应把数据表中最大值和最小值包括在内。
形状分类
孤岛型
在直方图旁边有孤立的小岛出现，当这种情况出现时过程中有异常原因。
如：原料发生变化，不熟练的新工人替人加班，测量有误等，都会造成孤岛型分布，应及时查明原因、采取措施。
双峰型
当直方图中出现了两个峰，这是由于观测值来自两个总体、两个分布的数据混合在一起造成的。
如：两种有一定差别的原料所生产的产品混合在一起，或者就是两种产品混在一起，此时应当加以分层。
直方图的目的
作直方图的目的就是通过观察图的形状，判断生产过程是否稳定，预测生产过程的质量。
在公路工程质量管理中，作直方图的目的有：估算可能出现的不合格率；考察工序能力估算法判断质量分布状态；判断施工能力。
直方图是一种用于表示数字图像中像素灰度分布的统计图表。
它将图像的灰度范围划分为若干个等级，并统计每个等级中像素的数量，从而形成一个柱状图。
直方图的横坐标表示灰度等级，通常从最暗的黑色（0）到最亮的白色（255）进行划分。
纵坐标表示对应灰度等级的像素数量。
通过观察直方图，可以了解图像中不同灰度级别的像素分布情况。
直方图可以提供以下信息：
1. 图像的整体对比度：直方图的形状可以反映图像的整体对比度。
如果直方图的分布集中在较窄的灰度范围内，说明图像的对比度较低；如果直方图的分布较为分散，说明图像的对比度较高。
2. 像素分布情况：直方图可以显示图像中不同灰度级别的像素数量，从而了解图像的亮度分布。
如果某个灰度级别的像素数量较多，说明该灰度在图像中占据较大的比例。
3. 图像的曝光情况：通过观察直方图的左右端点，可以判断图像的曝光情况。
如果直方图的左侧截断，说明图像可能存在欠曝光；如果右侧截断，说明图像可能存在过曝光。
4. 色彩平衡：对于彩色图像，可以分别查看每个颜色通道的直方图，以评估图像的色彩平衡情况。
在图像处理中，直方图可以用于图像增强、对比度调整、色彩平衡等操作的参考。
它是一种简单而直观的工具，帮助我们了解数字图像的统计特征。
直方图
直方图又称质量分布图，通过对生产过程中大量计量值数据的收集、整理，用一系列宽度相等、高度不等的矩形表示质量特性分布规律的图示方法。
它是定性调查工序能力的常用方法。
在直方图中，通过对测定或收集的数据进行整理，并按一定数据范围的间隔分成若干组，以矩形的宽度表示组距，以矩形的高度表示组内数据的频数，从而直观而形象地显示出数据波动的规律。
图中横坐标表示产品的某种质量特性值（如产品的长度），在横坐标上分出若干间距相等的区间（域值区间），纵坐标表示总体样本中落入某个域值区间的次数（频数），图中的长方形的高度由频数决定，宽度是某个域值区间（如10.00~10.10 cm）。
直方图一般有以下几种用途：
（1）报告产品质量情况。
通过直方图既可直观看出质量问题，又有数据说明。
（2）质量分析。
可以按照不同标志（如员工、设备、原料、班组、批次、规格等）分别画出直方图，例如同一班组两位员工在相同设备和时间内生产同一种产品，画出两人生产产品质量直方图，通过对比可以发现问题。
（3）判断质量问题成因。
（4）调查工序和设备能力，合理安排生产计划。
（5）定期绘制并公布，有较强的视觉冲击，有利于提高员工质量意识。
什么是直方图直方图(Histogram)也叫柱状图，是一种统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况。
假设我们有一堆硬币，如下图所示，我们想知道一共有多少钱。
我们当然可以一枚一枚地数，但这样如果硬币多了可能会搞乱，因此我们需要先把硬币分类，然后分别统计每种硬币的数量。
把统计的结果图示出来，就成了直方图。
下图的横向数轴标示出硬币的面额(Kind of Coins)，纵向标示出硬币的数量(Number of Coins)。
图像的直方图以灰度图为例，假设我们的图中一共只有0,1,2,3,4,5,6,7这8种灰度，0代表黑色，7代表白色，其它数字代表0~7之间不同深浅的灰度。
统计的结果如下，横轴标示灰度级别(0~7)，纵轴标示每种灰度的数量。
Photoshop(PS)中的显示。
直方图统计数据Photoshop CS提供了动态的直方图面板，CS之前的版本要通过图象>直方图来察看。
横轴标示亮度值(0~255)，纵轴标示每种像素的数量。
像素(Pixels) - 图像的大小，图像的像素总数。
[5*3=15]色阶、数量、百分位这三项根据鼠标指针的位置来显示横坐标当前位置的统计数据。
色阶(Level) - 鼠标指针所在位置的亮度值，亮度值范围是0~255。
[181]数量(Count) - 鼠标指针所在位置的像素数量。
[4]百分位(Percentile) - 从最左边到鼠标指针位置的所有像素数量÷图像像素总数。
[(1+2+1+2+3+4)/15 = 13/15 = 0.8667 = 86.67%]当鼠标拖动，选中直方图的一段范围时，色阶、数量、百分位将显示选中范围的统计数据。
下面举个简单的例子来说明平均值、标准偏差、中间值。
例如图像A只有4个像素，亮度分别是200、50、100、200。
平均值(算术平均数,Mean,Average) - 图像的平均亮度值，高于128偏亮，低于128偏暗。
直方图直方图(Histogram)，又称柱状图、质量分布图在质量管理中，如何预测并监控产品质量状况?如何对质量波动进行分析?直方图就是一目了然地把这些问题图表化处理的工具。
它通过对收集到的貌似无序的数据进行处理，来反映产品质量的分布情况，判断和预测产品质量及不合格率。
直方图又称质量分布图，是一种几何形图表，它是根据从生产过程中收集来的质量数据分布情况，画成以组距为底边、以频数为高度的一系列连接起来的直方型矩形图，如下图所示。
作直方图的目的就是通过观察图的形状，判断生产过程是否稳定，预测生产过程的质量。
具体来说，作直方图的目的有：①显示数据的波动状态，判断一批已加工完毕的产品；②直观地传达有关过程情况的信息，例如验证工序的稳定性；③为计算工序能力搜集有关数据。
④决定在何处集中力量进行改进；⑤观察数据真伪，用以制定规格界限；[编辑]直方图的优点:任何情况都能使用直方图。
直方图的不足:会有信息丢失。
[编辑]①集中和记录数据，求出其最大值和最小值。
数据的数量应在100个以上，在数量不多的情况下，至少也应在50个以上。
②将数据分成若干组，并做好记号。
分组的数量在6－20之间较为适宜。
③计算组距的宽度。
用去除最大值和最小值之差去除以组数，求出组距的宽度，组数可以根据数学家史特急吉斯（sturges)提出的公式，根据测定的次数n，来求组数kk=1+3.32*log n 例如：n=60, 则k=1+3.32*log 60=1+3.32*1.78=6.9,即可分为6组或是7组④计算各组的界限位。
各组的界限位可以从第一组开始依次计算，第一组的下界为最小值减去最小测量单位的的一半，第一组的上界为其下界值加上组距。
第二组的下界限位为第一组的上界限值，第二组的下界限值加上组距，就是第二组的上界限位，依此类推。
即整数的最小测量单位为1,一半即为1/2；一位小数的最小测量单位为0.1；一半即为0.1/2 两位小数的最小测量单位为0.01；⑤统计各组数据出现频数，作频数分布表。
