前言
使用OpenCV提供的cv2.calcHist()函数可以用来计算直方图。此外，NumPy和Matplotlib同样也为创建直方图提供了类似的函数。出于提高性能目的，我们来比较这些函数，使用OpenCV、NumPy和Matplotlib创建直方图，然后测量每个直方图计算的执行时间并将结果绘制在图形中，比较不同库中计算直方图的不同效率。
OpenCV、NumPy和Matplotlib灰度直方图比较
使用timeit.default_timer测量执行时间，因为它会自动提供系统平台和Python版本上可用的最佳时钟，为了使用timeit.default_timer测量执行时间，首先需要将其导入：
可以使用以下方法计算程序的执行时间：
考虑到default_timer()测量值可能会受到同时运行的其他程序的影响。因此，获取准确计时的最佳方法是重复数次并使用最佳时间。当让，我们也可以采用其他方法来测量更加精确的时间，例如多次重复运行取平均值，或者其他更加有效避免异常的方法，在这里为了简单起见，我们重复数次并使用最佳时间。
而为了计算和比较直方图，我们需要使用以下函数：
1.OpenCV提供cv2.calcHist()函数
2.NumPy提供的np.histogram()函数
3.Matplotlib提供的plt.hist()函数
用于计算上述每个函数的执行时间的代码如下所示。首先，导入所需库：
然后编写可视化函数，在同一图中显示运行结果，进行更好的对比：
接下来，就是程序的最关键部分了，使用不同库中计算直方图的方法，并获取程序运行时间：
最后，我们绘制灰度图及其直方图：
how_img_with_matplotlib(cv2.cvtColor(gray_image,cv2.COLOR_GRAY2BGR),"gray",1)
show_hist_with_matplotlib_gray(hist,"grayscale histogram (OpenCV)-"+str('% 6.2f ms'% exec_time_calc_hist),2,'m')
show_hist_with_matplotlib_gray(hist_np,"grayscale histogram (Numpy)-"+str('% 6.2f ms'% exec_time_np_hist),3,'m')
show_hist_with_matplotlib_gray(n,"grayscale histogram (Matplotlib)-"+str('% 6.2f ms'% exec_time_plt_hist),4,'m')
plt.show()
由上面实例可以看出，cv2.calcHist()的执行速度比np.histogram()和plt.hist()都快。因此，出于性能考虑，在计算图像直方图时可以使用OpenCV函数。
