直方图匹配本质上是让两幅图像的累积直方图尽量相似，累积直方图相似了，直方图也就相似了。
把原图像img的直方图匹配到参考图像ref的直方图，包括以下几个步骤：
1. 求出原图像img的累积直方图img_accu；
2. 求出参考图像ref的累积直方图ref_accu；
3. 灰度级g在img_accu中对应的值记为img_accu_g，找出ref_accu中与ref_accu_g最接近的值，记为ref_accu_G，记该值对应的灰度级为G；
4. 根据g和G的对应关系，得到img经过匹配之后的直方图。
为了说明该过程，我们举一个简单的例子，并把计算过程列在表格中。该例子中图像只有10个灰度级，总共3289个像素，如下图所示。
(a) 原图像img的直方图 (b) 参考图像ref的直方图
(c) 原图像img的累积直方图 (d) 参考图像ref的累积直方图
| 灰度级 | ref直方图 | ref累积直方图 | img直方图 |
img累积直方图 | 匹配之后的灰度级 |
匹配之后的img累积直方图 |
匹配之后的img直方图 |
| 1 | 0 | 0 | 927 | 927(匹配第三列第七行的1137) | 7 | 0 | 0 |
| 2 | 0 | 0 | 690 | 1617(匹配第三列第八行的1672) | 8 | 0 | 0 |
| 3 | 20 | 20 | 535 | 2152(匹配第三列第九行的2362) | 9 | 0 | 0 |
| 4 | 112 | 132 | 450 | 2602(匹配第三列第九行的2362) | 9 | 0 | 0 |
| 5 | 221 | 353 | 334 | 2936(匹配第三列第十行的3289) | 10 | 0 | 0 |
| 6 | 334 | 687 | 221 | 3157(匹配第三列第十行的3289) | 10 | 0 | 0 |
| 7 | 450 | 1137 | 112 | 3269(匹配第三列第十行的3289) | 10 | 927 | 927 |
| 8 | 535 | 1672 | 20 | 3289(匹配第三列第十行的3289) | 10 | 1617 | 690 |
| 9 | 690 | 2362 | 0 | 3289(匹配第三列第十行的3289) | 10 | 2152 | 985 |
| 10 | 927 | 3289 | 0 | 3289(匹配第三列第十行的3289) | 10 | 3289 | 687 |
img在匹配之后的效果如下：
(a) img的经过匹配之后的累积直方图 (b) img的经过匹配之后的直方图
1. OpenCV-Python实现直方图匹配
代码如下：
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread(\'C:\\Users\\admin\\Desktop\\original_img3\\testimg\\lena_300_500.jpg\')
ref = cv2.imread(\'C:\\Users\\admin\\Desktop\\original_img3\\testimg\\messi_300_500.jpg\')
out = np.zeros_like(img)
_, _, colorChannel = img.shape
for i in range(colorChannel):
print(i)
hist_img, _ = np.histogram(img[:, :, i], 256) # get the histogram
hist_ref, _ = np.histogram(ref[:, :, i], 256)
cdf_img = np.cumsum(hist_img) # get the accumulative histogram
cdf_ref = np.cumsum(hist_ref)
for j in range(256):
tmp = abs(cdf_img[j] - cdf_ref)
tmp = tmp.tolist()
idx = tmp.index(min(tmp)) # find the smallest number in tmp, get the index of this number
out[:, :, i][img[:, :, i] == j] = idx
cv2.imwrite(\'C:\\Users\\admin\\Desktop\\lena.jpg\', out)
print(\'Done\')
效果如下：
2. matlab实现直方图匹配
程序如下：
clear;
% matching img\'s histogram to ref\'s histogram.
path = \'C:\\Users\\admin\\Desktop\\original_img3\\yijia0923_9\\\';
ref = imread([path, \'18.jpg\']);
img = imread([path, \'21.jpg\']);
[H, W, colorChannel] = size(ref);
out = zeros(H, W, colorChannel);
for k = 1:colorChannel
disp(k);
hist_ref = imhist(ref(:, :, k)); % ref的直方图
cumHist_ref = []; %ref的累积直方图
for i=1:256
cumHist_ref = [cumHist_ref sum(hist_ref(1:i))];
end
img1 = img(:, :, k);
hist_img = imhist(img1); %img的直方图
cumHist_img = []; %img的累积直方图
for i=1:256
cumHist_img = [cumHist_img sum(hist_img(1:i))];
end
for i=1:256
tmp{i} = cumHist_ref - cumHist_img(i);
tmp{i} = abs(tmp{i}); % 找到两个累积直方图距离最近的点
[a, index(i)] = min(tmp{i}); % a是tmp{i}中最小的值，index是该值对应的下标
end
imgn = zeros(H,W);
for i = 1:H
for j = 1:W
imgn(i,j) = index(img1(i,j)+1)-1; % 由原图的灰度通过索引映射到新的灰度
end
end
out(:, :, k) = imgn;
end
out=uint8(out);
% imwrite(out, [path, \'new3.jpg\']);
figure; imshow(out); title(\'out\')
disp(\'Done\');
请发表评论