np.histogram与cv2.calcHist直方图结果差异及调整方法问询

差异根源：区间包容性规则不同 #

• numpy.histogram：默认采用左闭右开区间划分，但最后一个区间是左闭右闭（包含range参数的上限值）。以你的示例为例，10个分箱的区间为：[0.0,0.1), [0.1,0.2), ..., [0.9,1.0]，等于1.0的像素会被计入最后一个分箱。
• cv2.calcHist：所有区间均为左闭右开，最后一个区间是[0.9,1.0)，等于1.0的像素不会被计入任何分箱——这就是你看到最后一个计数少1的核心原因（你的数据里存在1个值为1.0的像素）。

让cv2.calcHist包含右区间的调整方法 #

最简便的方式是微调range的上限值，使其略大于原上限，让等于原上限的像素能落入最后一个左闭右开区间：

# 将range上限设为1.0 + 极小值（如1e-8，避免浮点精度问题）
cv_hist_img_1 = cv2.calcHist([img_1.ravel()], [0], None, [10], [0.0, 1.0 + 1e-8])

调整后，原来等于1.0的像素会被包含在[0.9, 1.0+1e-8)区间内，最终计数会与np.histogram结果一致。

内容的提问来源于stack exchange，提问作者Al_Mt