前言

直方图匹配可以使得影像A的灰度分布变换为影像B的灰度分布。

代码

#coding=utf-8
import os
import matplotlib
import numpy as np
from numba import jit
from osgeo import gdal
from PIL import Image
from matplotlib import pyplot as plt
import cv2 as cv@jit
def arrayToHist(grayArray,nums):if(len(grayArray.shape) != 2):print("length error")return Nonew,h = grayArray.shapehist = {}for k in range(nums):hist[k] = 0for i in range(w):for j in range(h):if(hist.get(grayArray[i][j]) is None):hist[grayArray[i][j]] = 0hist[grayArray[i][j]] += 1n = w*hfor key in hist.keys():hist[key] = float(hist[key])/nreturn hist
@jit
def histMatch(grayArray,h_d):tmp = 0.0h_acc = h_d.copy()for i in range(256):tmp += h_d[i]h_acc[i] = tmph1 = arrayToHist(grayArray,256)tmp = 0.0h1_acc = h1.copy()for i in range(256):tmp += h1[i]h1_acc[i] = tmpM = np.zeros(256)for i in range(256):idx = 0minv = 1for j in h_acc:if (np.fabs(h_acc[j] - h1_acc[i]) < minv):minv = np.fabs(h_acc[j] - h1_acc[i])idx = int(j)M[i] = idxdes = M[grayArray]return des@jit
def equalization(grayArray,h_s,nums):tmp = 0.0h_acc = h_s.copy()for i in range(256):tmp += h_s[i]h_acc[i] = tmpif(len(grayArray.shape) != 2):print("length error")return Nonew,h = grayArray.shapedes = np.zeros((w,h),dtype = np.uint8)for i in range(w):for j in range(h):des[i][j] = int((nums - 1)* h_acc[grayArray[i][j] ] +0.5)return des@jit
def drawHist(hist,name):keys = hist.keys()values = hist.values()x_size = len(hist)-1axis_params = []axis_params.append(0)axis_params.append(x_size)if name != None:plt.title(name)plt.bar(tuple(keys),tuple(values))def read_img(filename):dataset=gdal.Open(filename)im_width = dataset.RasterXSizeim_height = dataset.RasterYSizeim_geotrans = dataset.GetGeoTransform()im_proj = dataset.GetProjection()im_data = dataset.ReadAsArray(0,0,im_width,im_height)del dataset return im_proj,im_geotrans,im_datadef mkdir(path):if not os.path.exists(path):os.mkdir(path)if __name__ == '__main__':import matplotlib.pyplot as pltimdir_match = "./test/0000000005_image.tif"imdir = "./test5/aircraft_229.jpg"out_file = './test5_/'mkdir(out_file)data1 = cv.imread(imdir)data2 = cv.imread(imdir_match)# data1 = cv.resize(data1, dsize=(1000, 1000))com = np.zeros_like(data1)for i in range(3):f1 = data1[:,:, i]f2 = data2[:,:, i]hist_m = arrayToHist(f2, 256)im_f1 = histMatch(f1, hist_m)com[:, :, i] = im_f1out_full_path = os.path.join(out_file, '201612_match.tif')cv.imwrite(out_full_path, com)

图像处理之直方图匹配相关推荐

数字图像处理：直方图匹配或规定化Histogram Matching (Specification)原理及感悟
☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░ 注意:本文是<数字图像直方图匹配或规定化Histogram Matching ( ...
python图像处理：直方图的规定化（直方图匹配）
写在前面因为笔者数字图像处理的作业是要求用VB来做规定化的处理,笔者写出来后想看看python有什么库可以实现,毕竟像均衡化之类的操作都可以通过py的cv2库里的函数解决,但是在CSDN上查询的时候 ...
c++ opencv 图像处理：直方图处理（直方图均衡化，直方图匹配（规定化））
文章目录前言一.直方图(histogram) 二.直方图处理 1.直方图均衡化 2.直方图匹配(规定化) 三.opencv函数总结 1.equalizeHist图像均衡化 2.calcHist获取 ...
遥感数字图像处理（实验一）——预处理、图像的真彩色和拉伸显示（包括图像的直方图显示、线性拉伸、与直方图匹配）
目录实验目的: 实验内容一: 实验步骤: 一.影像的获取二.影像的合成三.对合成的影像进行不规则分幅裁剪四.对裁剪的影像进行拉伸五.直方图匹配六.实验总结及扩展实验目的: 理解遥感数字图 ...
第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波9 - 直方图处理 - 直方图匹配（规定化）灰度图像，彩色图像都适用
直方图匹配(规定化) 连续灰度 s=T(r)=(L−1)∫0rpr(w)dw(3.17)s = T(r) = (L-1) \int_{0}^{r} p_r(w) \text{d} w \tag{3.1 ...
Matlab数字图像处理 02 灰度变化（图像直方图、直方图均衡化、直方图匹配）
第二章灰度变化 2.1 图像的亮度.对比度和动态范围 2.1.1 亮度 2.1.2 对比度 2.1.3 动态范围 2.2 线性灰度变换 2.2.1 具有饱和处理的线性灰度变换 2.2.2 分段线性灰 ...
【OpenCV 例程200篇】48. 图像增强—彩色直方图匹配
[OpenCV 例程200篇]48. 图像增强-彩色直方图匹配欢迎关注『OpenCV 例程200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 ...
【OpenCV 例程200篇】47. 图像增强—直方图匹配
[OpenCV 例程200篇]47. 图像增强-直方图匹配欢迎关注『OpenCV 例程200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 ...
【matlab图像处理】直方图均衡化操作
中国史之[百家争鸣]: 春秋战国时期,知识分子中不同学派及各家族流派之间争芳斗艳的学术局面.这是中国思想.学术发展的黄金时期,史称"百家争鸣". --来源:全历史APP [路漫漫其 ...
直方图规定化（直方图匹配）
在介绍直方图规定化之前,先介绍一下统计直方图和累积直方图.参考自:http://blog.csdn.net/tkp2014/article/details/40151515 对颜色特征的表达方式有许多 ...

图像处理之直方图匹配

前言

代码

图像处理之直方图匹配相关推荐

最新文章

热门文章