opencv图像处理学习（十七）——直方图匹配

直方图匹配又称为直方图规定化（规范化），其作用是增强某一特定区间的图像信息，直方图匹配综合了直方图变换和均衡化的原理思想，通过建立映射变换关系，使期望图像的直方图达到一种特定形态，对源图像直方图均衡化y=f(x),目标图像直方图均衡化z=g(k)，使得y=z,即满足。

直方图匹配的步骤如下：（1）分别计算源图像和目标图像的累计概率分布（2）分别对源图像与目标图像进行直方图均衡化操作

（3）利用组映射关系使源图像直方图按照规定进行变换

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(void)
{
    Mat srcImage = imread(1.png);
    Mat dstImage = imread(2.png);
    resize(dstImage,dstImage,Size(srcImage.rows,srcImage.cols),0,0,CV_INTER_LINEAR);
    //初始化累计分布参数
    float srcCdArr[256];
    float dstCdArr[256];
    int srcAddTemp[256];
    int dstAddTemp[256]；
    int histMatchMap[256];
    for(int i = 0;i<256;i++)
    {
        srcAddTemp[i] = 0;
        dstAddTemp[i] = 0;
        srcCdArr[i] = 0;
        dstCdArr[i] = 0;
        histMatchMap[i] = 0;
    }
    float sumSrcTemp = 0;
    float sumDstTemp = 0;
    int nSrcPix = srcImage.cols + srcImage.rows;
    int nDstPix = srcImage.cols + srcImage.rows;
    int matchFlag = 0;
    for(size_t nrow=0;nrow<srcImage.rows;nrow++)
    {
        for(size_t ncol=0;ncol<srcImage.cols;ncol++)
        {
            srcAddTemp[(int)srcImage.at<uchar>(nrow,ncol)]++;
            dstAddTemp[(int)srcImage.at<uchar>(nrow,ncol)]++;
        }
    }
    //求解源图像与目标图像的累计概率分布
    for(int i=0;i<256;i++)
    {
        sumSrcTemp += srcAddTemp[i];
        srcCdAdd[i] = sumSrcTemp / nSrcPix;
        sumDstTemp += srcAddTemp[i];
        dstCdAdd[i] = sumDstTemp / nDstPix;
    }
    //直方图匹配
    for(int i = 0;i<256;i++)
    {
        float minMatchPara = 20;
        for(int j = 0;j<256;j++)
        {
            if(minMatchPara>abs(srcCdAdd[i]-dstCdAdd[i]))
            {
                minMatchPara = abs(srcCdAdd[i]-dstCdAdd[i]);
                matchFlag = j;
            }
        }
    }
    histMatchMap[i] = matchFlag;
}

Mat HistMatchImage = Mat::zeros(srcImage.rows,srcImage.cols,CV_8UC3);
cvtColor(srcImage,HistMatchImage,CV_BGR2GTAY);

for(int i=0;i<HistMatchImage.rows,i++)
{
    for(int j=0;j<HistMatchImage.cols;j++)
    {
        HistMatchImage.at<uchar>(i,j) = histMatchMap[HistMatchImage.at<uchar>(i,j)];
    }
}