直方图应用—图像增强 -> 直方图均衡
直方图应用 –图像分割 -> 根据直方图获取分割阈值
直方图应用 – 图像分类 -> 直方图对比 
直方图简单来讲就是亮度分布图。照片亮度分为0到255共256个数值，数值越大，代表的亮度越高。 其中0代表纯黑色的最暗区域，255表示最亮的纯白色，中间的数字就是不同亮度的灰色。 人们还进一步把这些亮度分为了5个区域，分别是黑色，阴影，中间调，高光和白色
横轴代表0-255的亮度数值(灰度级)，竖轴代表照片中对应亮度的像素数量 这个函数图像就被称为直方图 直方图中柱子的高度代表画面中有多少像素是那个亮度(也就是可以看出画面中亮度分布和比例)
1>它描述每个灰度级具有的像元个数，但不包含这些像元在图像中的位置信息。
2>任何一幅特定的图像都有唯一的直方图与之对应，但不同的图像可以有相同的直方图。
3>如果一幅图像有两个不相连的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是该两个区域的直方图之和
直方图是根据灰度图进行绘制的，而不是彩色图像
图片分低调，中间调，高调风格 从直方图上看，像素波峰主要堆积在哪个亮度区域，就可以知道一张图片是低调还高调。
低调照片 像素波峰堆积在阴影和黑色区域，而高光和白色区域只要有很少的像素。高调照片则相反。中间调的照片则是最常见的，大部分像素分布在直方图中间。
以及长调 短调 中调 硬调（csdn 基础知识—直方图）
直方图均衡化是将原图像的直方图通过变换函数变为均匀的直方图，然后按均匀直方图修改原图像，从而获得一副灰度分布均匀的新图像
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
