概率论中密度函数变换

问题来源

在阅读论文 N-dimensional Probability Density Function Transfer and its Application to Color Transfer 时，第三节 3. N-Dimensional pdf Transfer：

给出了从求取 mapping function $t$ 的公式，但这个公式是怎么回事呢？the cumulative pdfs of $X$ and $Y$ 又是指什么？discrete lookup tables?

密度函数变换

从这两段可以看出，论文的主旨是把一个概率分布转换为另一个概率分布，但这个公式 $(1)$ 似乎不是概率密度函数变换，它更像是变量 $x$ 转化为 $y$ 的公式，因为：$$C_Y(t(x))=C_X(x)$$ 如果我们猜测 $C_Y(y)=C_X(x)$ 的话。但还是先看看概率密度函数变换的知识吧，以下来源于《概率论中密度函数变换》。

其中 $x=h(y)$ 是 $y=g(x)$ 的反函数。

这是比较正统的密度函数转换公式，当然这个前提条件是 $g(\cdot )$ 必须是严格单调函数。所以说适用范围是有限的。定理证明如下：

证明就是直接利用分布函数与密度函数的关系来计算。证明并不是很难。

例题如下：

但是这个定理的前提条件要求很明确，必须是严格单调函数。所以说如果不严格，就不能用这个方法，比如说 $y=x^2$ 和 $y=\{\begin{array}{cc}-x& x<0\\ x& x>0\end{array}$，对于这样的函数，这个公式就无能为力了。

对于 $g(\cdot )$ 不满足严格单调的条件下，应该直接利用分布函数与密度函数的关系进行变换。

分析

回过头来看一看这几个问题，我们要先确定 the cumulative pdfs of $X$ and $Y$：$C_X$ 和 $C_Y$ 的意义，对比上面一波公式，几乎可以确定它们就是随机变量 $X$ 和 $Y$ 的分布函数，对应上面的 $F_X$ 和 $F_Y$，由 $$\begin{array}{rl}{F}_Y(y)& =P(Y\le y)=P(g(X)\le y)\\ & =P(X\le h(y))=F_X(h(y))\\ & =F_X(x)\\ & =F_Y(g(x))\\ \Rightarrow F_Y(g(x))& =F_X(x)\end{array}$$ 可知，$t$ 对应 $g$，是一个变量变换函数。至于离散查表，就不太懂了，可能类似于查分布函数值和变量值之间的数值关系表吧。

重点：论文中的 color transfer，一个源样本是 $x_i=(r_i,g_i,b_i)$，目标样本是 $y$，如果公式 $(1)$ 能对应概率密度转换，那么样本 $x_i$ 应该有一个对应的样本 $y=t(x_i)$。

goal 是求 $t$，求得 $t$ 之后，就能变换 $x_i=(r_i,g_i,b_i)$ 为 $t(x_i)$，颜色就变了。