OpenCV 完整例程47. 图像增强—直方图匹配

Posted 2021-12-23 Python小白进阶

【OpenCV 完整例程】47. 图像增强—直方图匹配

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

图像直方图是反映图像像素分布的统计表。 灰度直方图是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数。

直方图均衡直接对图像全局进行均衡化，生成具有均匀直方图的图像，并不考虑局部图像区域的具体情况。对于一幅图像的局部区域、具体缺陷，有时需要生成具有特殊形状直方图的图像。

直方图匹配又称为直方图规定化，是指将图像的直方图调整为规定的形状。 例如，将一幅图像或某一区域的直方图匹配到另一幅影像上，使两幅影像的色调保持一致。

这就需要在直方图均衡的基础上，再进行一次反变换，将均匀形状的直方图调整为规定的形状。

直方图匹配的主要步骤为：

（1）通过规定图像 z 的直方图 $p_z(z)$，计算其直方图均衡变换的 $s_k$；

（2）通过 $s_k$ 计算图像 z 的直方图均衡变换函数 $G$，$G(z_q)=s_k$；

（3）计算变换函数 $G$ 的逆变换函数 $G^{-1}$，$z_q=G^{-1}(s_k)$；

（4）对输入图像 r 进行直方图均衡得到均衡图像 s，然后再用逆变换函数 $G^{-1}$ 将其映射到 $p_z(z)$，得到直方图匹配图像 z。本步骤中的两次变换，也可以合并为一次完成。

例程：1.59 灰度图像直方图匹配

    # 1.59 灰度图像直方图匹配
    img = cv2.imread("../images/imgGaia.tif", flags=0)  # flags=0 读取为灰度图像
    imgRef = cv2.imread("../images/Fig0307a.tif", flags=0)  # 匹配模板图像, matching template

    # imgOut = calcHistMatch(img, imgRef)  # 子程序：直方图匹配

    # 计算累计直方图
    histImg, bins = np.histogram(img.flatten(), 256)  # 计算原始图像直方图
    histRef, bins = np.histogram(imgRef.flatten(), 256)  # 计算匹配模板直方图
    cdfImg = histImg.cumsum()  # 计算原始图像累积分布函数 CDF
    cdfRef = histRef.cumsum()  # 计算匹配模板累积分布函数 CDF

    # 计算直方图匹配转换函数
    transM = np.zeros(256)
    for i in range(256):
        index = 0
        vMin = np.fabs(cdfImg[i] - cdfRef[0])
        for j in range(256):
            diff = np.fabs(cdfImg[i] - cdfRef[j])
            if (diff < vMin):
                index = int(j)
                vMin = diff
        transM[i] = index

    # 直方图匹配
    # imgOut = np.zeros_like(img)
    imgOut = transM[img].astype(np.uint8)

    fig = plt.figure(figsize=(10,7))
    plt.subplot(231), plt.title("Original image"), plt.axis('off')
    plt.imshow(img, cmap='gray')  # 原始图像
    plt.subplot(232), plt.title("Matching template"), plt.axis('off')
    plt.imshow(imgRef, cmap='gray')  # 匹配模板
    plt.subplot(233), plt.title("Matching output"), plt.axis('off')
    plt.imshow(imgOut, cmap='gray')  # 匹配结果
    histImg, bins = np.histogram(img.flatten(), 256)  # 计算原始图像直方图
    plt.subplot(234, yticks=[]), plt.bar(bins[:-1], histImg)
    histRef, bins = np.histogram(imgRef.flatten(), 256)  # 计算匹配模板直方图
    plt.subplot(235, yticks=[]), plt.bar(bins[:-1], histRef)
    histOut, bins = np.histogram(imgOut.flatten(), 256)  # 计算匹配结果直方图
    plt.subplot(236, yticks=[]), plt.bar(bins[:-1], histOut)
    plt.show()

（本节完）

---

版权声明：

youcans@xupt 原创作品，转载必须标注原文链接

Copyright 2021 youcans, XUPT

Crated：2021-11-25

欢迎关注 『OpenCV 完整例程 100 篇』 系列，持续更新中
欢迎关注 『Python小白的OpenCV学习课』 系列，持续更新中

【OpenCV 完整例程】01. 图像的读取（cv2.imread）
【OpenCV 完整例程】02. 图像的保存（cv2.imwrite）
【OpenCV 完整例程】03. 图像的显示（cv2.imshow）
【OpenCV 完整例程】04. 用 matplotlib 显示图像（plt.imshow）
【OpenCV 完整例程】05. 图像的属性（np.shape）
【OpenCV 完整例程】06. 像素的编辑（img.itemset）
【OpenCV 完整例程】07. 图像的创建（np.zeros）
【OpenCV 完整例程】08. 图像的复制（np.copy）
【OpenCV 完整例程】09. 图像的裁剪（cv2.selectROI）
【OpenCV 完整例程】10. 图像的拼接（np.hstack）
【OpenCV 完整例程】11. 图像通道的拆分（cv2.split）
【OpenCV 完整例程】12. 图像通道的合并（cv2.merge）
【OpenCV 完整例程】13. 图像的加法运算（cv2.add）
【OpenCV 完整例程】14. 图像与标量相加（cv2.add）
【OpenCV 完整例程】15. 图像的加权加法（cv2.addWeight）
【OpenCV 完整例程】16. 不同尺寸的图像加法
【OpenCV 完整例程】17. 两张图像的渐变切换
【OpenCV 完整例程】18. 图像的掩模加法
【OpenCV 完整例程】19. 图像的圆形遮罩
【OpenCV 完整例程】20. 图像的按位运算
【OpenCV 完整例程】21. 图像的叠加
【OpenCV 完整例程】22. 图像添加非中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】23. 图像添加中文文字
【OpenCV 完整例程】24. 图像的仿射变换
【OpenCV 完整例程】25. 图像的平移
【OpenCV 完整例程】26. 图像的旋转（以原点为中心）
【OpenCV 完整例程】27. 图像的旋转（以任意点为中心）
【OpenCV 完整例程】28. 图像的旋转（直角旋转）
【OpenCV 完整例程】29. 图像的翻转（cv2.flip）
【OpenCV 完整例程】30. 图像的缩放（cv2.resize）
【OpenCV 完整例程】31. 图像金字塔（cv2.pyrDown）
【OpenCV 完整例程】32. 图像的扭变（错切）
【OpenCV 完整例程】33. 图像的复合变换
【OpenCV 完整例程】34. 图像的投影变换
【OpenCV 完整例程】35. 图像的投影变换（边界填充）
【OpenCV 完整例程】36. 直角坐标与极坐标的转换
【OpenCV 完整例程】37. 图像的灰度化处理和二值化处理
【OpenCV 完整例程】38. 图像的反色变换（图像反转）
【OpenCV 完整例程】39. 图像灰度的线性变换
【OpenCV 完整例程】40. 图像分段线性灰度变换
【OpenCV 完整例程】41. 图像的灰度变换（灰度级分层）
【OpenCV 完整例程】42. 图像的灰度变换（比特平面分层）
【OpenCV 完整例程】43. 图像的灰度变换（对数变换）
【OpenCV 完整例程】44. 图像的灰度变换（伽马变换）
【OpenCV 完整例程】45. 图像的灰度直方图
【OpenCV 完整例程】46. 直方图均衡化
【OpenCV 完整例程】47. 图像增强—直方图匹配