Python 3.x 使用plt.plot v/s plt.hist[Python]的彩色图像直方图的差异

我使用下面的代码使用两种方法生成彩色图像的直方图：

方法1:-

使用cv2.calcHist（）函数计算频率

使用plt.plot（）生成频率的线形图

方法2:-

使用plt.hist（）函数计算并生成直方图（我添加了bin=250，以便两个直方图保持一致）

观察：两个直方图大致相似。第一个直方图（使用plt.plot）看起来非常平滑。然而，第二个直方图（使用plt.hist）有额外的尖峰和下降

问题：由于图像只有int值，因此不应存在不一致的装箱。直方图-2中出现这些额外峰值和下降的原因是什么

    blue_bricks = cv2.imread('Computer-Vision-with-Python/DATA/bricks.jpg')
    
    fig = plt.figure(figsize=(17,10))
    color = ['b','g','r']
    
    # Histogram Type-1
    fig.add_subplot(2,2,1)
    
    for i,c in enumerate(color): 
        hist = cv2.calcHist([blue_bricks], mask=None, channels=[i], histSize=[256], ranges=[0,256])
        plt.plot(hist,color=c)    
    plt.title('Histogram-1')
    
    # Histogram Type-2
    fig.add_subplot(2,2,2)
    
    for i,c in enumerate(color):
        plt.hist(blue_bricks[:,:,i].flatten(),color=c, alpha=0.5, bins=250)
    plt.title('Histogram-2')

---

料仓=250

在最低值和最高值之间创建251条等间距的料仓边。这些值与离散值不一致。当最高值和最低值之间的差值大于250时，某些箱子将为空。当差值小于250时，一些存储箱将获得两个相邻数字的值，从而产生峰值。此外，当叠加直方图时，所有直方图使用完全相同的箱边是很方便的

您需要将存储单元精确地设置在整数值之间，设置

bins=np。arange（-0.5256,1）

将实现这一点。或者，您可以使用seaborn的

histplot（..，discrete=True）

下面是一些数字较小的代码来说明发生了什么

导入matplotlib.pyplot作为plt
将numpy作为np导入
图，（（ax1，ax2），（ax3，ax4））=plt.子批（nrows=2，ncols=2，figsize=12，3））
对于ax-in（ax1、ax2、ax3、ax4）：
如果ax在[ax1，ax3]中：
x=np.arange（1,10）
其他：
x=np.arange（1,12）
如果ax在[ax1，ax2]中：
垃圾箱=10
其他：
箱子=np.arange（0.5，x.max（）+1，1）
_，bin_边，u=ax.hist（x，bin=bin，ec='white'，lw=2）
ax.vlines（bin_边，0,2.5，color='crimson'，ls='--'））
最大散射（x，[2.2]*len（x），color='lime'，s=50）
ax.set_title（（f“{bins}bins”if type（bins）==int else“discrete bins”）+f'，{len（x）}值'）
ax.set_xticks（x）
ax.set_-yticks（[0,1,2]）
plt.紧_布局（）
plt.show（）

---

料仓=250

在最低值和最高值之间创建251条等间距的料仓边。这些值与离散值不一致。当最高值和最低值之间的差值大于250时，某些箱子将为空。当差值小于250时，一些存储箱将获得两个相邻数字的值，从而产生峰值。此外，当叠加直方图时，所有直方图使用完全相同的箱边是很方便的

您需要将存储单元精确地设置在整数值之间，设置

bins=np。arange（-0.5256,1）

将实现这一点。或者，您可以使用seaborn的

histplot（..，discrete=True）

下面是一些数字较小的代码来说明发生了什么

导入matplotlib.pyplot作为plt
将numpy作为np导入
图，（（ax1，ax2），（ax3，ax4））=plt.子批（nrows=2，ncols=2，figsize=12，3））
对于ax-in（ax1、ax2、ax3、ax4）：
如果ax在[ax1，ax3]中：
x=np.arange（1,10）
其他：
x=np.arange（1,12）
如果ax在[ax1，ax2]中：
垃圾箱=10
其他：
箱子=np.arange（0.5，x.max（）+1，1）
_，bin_边，u=ax.hist（x，bin=bin，ec='white'，lw=2）
ax.vlines（bin_边，0,2.5，color='crimson'，ls='--'））
最大散射（x，[2.2]*len（x），color='lime'，s=50）
ax.set_title（（f“{bins}bins”if type（bins）==int else“discrete bins”）+f'，{len（x）}值'）
ax.set_xticks（x）
ax.set_-yticks（[0,1,2]）
plt.紧_布局（）
plt.show（）