【MATLAB图像融合】[10]直方图匹配法的IHS变换图像融合

基于文章【9】的方法

       这是使用直接替换法所产生的融合图像，发现融合图像的亮度好像不太正常，这是因为不同的传感器具有不同的感光/等的传感特性差异。这些差异隐藏在图像当中，人眼看不出来这样的特性，但是当对它们进行处理之后，问题就会暴露出来。所以在这一章中，需要使用直方图匹配法和IHS变换的方法做一个衔接。先放出实验的结果吧：

直方图匹配

       网上对直方图匹配的方法解释有许多，我本人对数学表示的方法非常喜欢，但是，感觉没看明白，懵懵的。
       好在，像素是离散的。。。Δx，Δy都是等于1，这就很好算了有没有。。所以这里介绍的直方图匹配原理，我就不用数学语言描述了，改用图像+实例讲解。!
       这张图就是直方图了，它代表是什么呢？横坐标是0~255，代表256级的灰度；纵坐标是该等级灰度的像素点占整体像素点的比例。
       显然，将0~255的纵坐标值加起来，等于1。这个直方图其实就是概率的分布，也是图像的传感器特性。

       这里我们用双峰函数为例，当做B图像进行演示。

       它的曲线和我们的图像的曲线显然不同，直方图匹配的目的就是让图像A的概率分布变得和B一样，具备B的传感器特性。

       经过直方图匹配后，A图像具有和B相似的概率分布了。这样的变化之后，再进行IHS变换，就会获得良好的融合效果了。
直方图匹配原理
       那么如何让A,B两图像的概率分布相似呢？算法思想是很简单的：
       1、计算A,B两个图片的概率。
       2、计算累积概率（做到此步可以完成直方图均衡）。
       3、在A的累积概率中寻找B的匹配项，也就是得到的匹配为B在A中的匹配。，得到B在A上的映射。
       4、第3步的作用就是让累积概率进行相似化，调整累计概率，这种调整是单向的，不存在灰度值高的像素比灰度值低的像素更早被调整至某一灰度。
       5、根据3进行灰度替换即可。

       如果需要知道得非常清晰，还是建议去看看数学公式，可能才知道为什么要这样做。

MATLAB实现

1、计算概率，累积概率。

A=imread();
A=double(A);
[m,n]=size(A);

Pa=zeros(1,256);             %计算概率分布
for i=1:m
    for j=1:n
        t=A(i,j);
        Pa(1,t+1)=Pa(1,t+1)+1;
    end
end
Pa=Pa./(m*n);
F1=cumsum(Pa);                %计算累积概率

2、替换灰度

for i=1:256
    temp{i}=F1-F2(1,i);
    temp{i}=abs(temp{i});          %因为要找距离最近的点，所以取绝对值
    [x,num(i)]=min(temp{i});   %找到两个累积直方图距离最近的点
end

out=zeros(m,n);
for i=1:m
   for j=1:n
      out(i,j)=num(B(i,j)+1)-1;    %由原图的灰度通过索引映射到新的灰度
   end
end

注
       上述代码片无法直接运行，需要结合文章【9】以及自己修改才可以用。没有源代码，是因为我做完后不小心删掉了-，-，这代码写了有段时间不好复现了，所以上面那些都是直接打出来的代码。但是拿着用是没问题的，算法思想和步骤没错的。如果有运行了跑不了再告诉我吧。
总结
       1、IHS处理色彩的问题很好用，比较新的论文也有围绕它们来做的，但是不在方法上创新，想着在应用上找不同。。有点下乘了。
       2、只实现了最基本的功能，可以改进的地方有许多，举例来说：①、像是min函数这样的系统函数，自己重新编写一下最需要的功能可以改进提高匹配精度。②、IHS2RGB的变换公式可以改下，把1/3,1/3,1/3改成1/6,2/3,1/6也许视觉效果会更好。③、代码可以简化，for循环使用次数降低，提高计算速度。