直方图规定化_Python OpenCV 直方图匹配

最新推荐文章于 2024-01-17 23:30:53 发布

weixin_39524959

最新推荐文章于 2024-01-17 23:30:53 发布

阅读量324

点赞数

文章标签：直方图规定化

本文链接：https://blog.csdn.net/weixin_39524959/article/details/111612465

版权

直方图匹配是图像增强的一种方法，通过调整图像直方图使其符合特定形状。本文介绍了使用Python的OpenCV库进行直方图匹配的两种技术，包括基本的直方图匹配和针对灰度图的优化处理。

摘要由CSDN通过智能技术生成

直方图匹配又称为直方图规定化，是指将一幅图像的直方图变成规定形状的直方图而进行的图像增强方法。即将某幅影像或某一区域的直方图匹配到另一幅影像上。将图像的直方图分布规律与待匹配图像的脂肪分布规律近似。下面介绍两种方法：

1. 直方图匹配

def style_transfer(image, ref):
    out = np.zeros_like(ref)
    _, _, ch = image.shape
    for i in range(ch):
        print(i)
        hist_img, _ = np.histogram(image[:, :, i], 256)
        hist_ref, _ = np.histogram(ref[:, :, i], 256)
        cdf_img = np.cumsum(hist_img)
        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))  # 找出tmp中最小的数，得到这个数的索引
            out[:, :, i][ref[:, :, i] == j] = idx
    return out

out = style_transfer(img, ref)

hist_img = cv2.calcHist([img], [0], None, [255], [0, 255])
hist_ref = cv2.calcHist([ref], [0], None, [255], [0, 255])
hist_out = cv2.calcHist([out],