【OpenCV 例程200篇】47. 圖像增強(qiáng)—直方圖匹配

歡迎關(guān)注 『OpenCV 例程200篇』 系列，持續(xù)更新中
歡迎關(guān)注 『Python小白的OpenCV學(xué)習(xí)課』 系列，持續(xù)更新中

圖像直方圖是反映圖像像素分布的統(tǒng)計表。 灰度直方圖是圖像灰度級的函數(shù)，用來描述每個灰度級在圖像矩陣中的像素個數(shù)。

直方圖均衡直接對圖像全局進(jìn)行均衡化，生成具有均勻直方圖的圖像，并不考慮局部圖像區(qū)域的具體情況。對于一幅圖像的局部區(qū)域、具體缺陷，有時需要生成具有特殊形狀直方圖的圖像。

直方圖匹配又稱為直方圖規(guī)定化，是指將圖像的直方圖調(diào)整為規(guī)定的形狀。 例如，將一幅圖像或某一區(qū)域的直方圖匹配到另一幅影像上，使兩幅影像的色調(diào)保持一致。

這就需要在直方圖均衡的基礎(chǔ)上，再進(jìn)行一次反變換，將均勻形狀的直方圖調(diào)整為規(guī)定的形狀。

直方圖匹配的主要步驟為：

（1）通過規(guī)定圖像 z 的直方圖 $p_z(z)$，計算其直方圖均衡變換的 $s_k$；

（2）通過 $s_k$ 計算圖像 z 的直方圖均衡變換函數(shù) $G$，$G(z_q)=s_k$；

（3）計算變換函數(shù) $G$ 的逆變換函數(shù) $G^{?1}$，$z_q=G^{?1}(s_k)$；

（4）對輸入圖像 r 進(jìn)行直方圖均衡得到均衡圖像 s，然后再用逆變換函數(shù) $G^{?1}$ 將其映射到 $p_z(z)$，得到直方圖匹配圖像 z。本步驟中的兩次變換，也可以合并為一次完成。

例程：1.59 灰度圖像直方圖匹配

# 1.59 灰度圖像直方圖匹配img = cv2.imread("../images/imgGaia.tif", flags=0) # flags=0 讀取為灰度圖像imgRef = cv2.imread("../images/Fig0307a.tif", flags=0) # 匹配模板圖像, matching template# imgOut = calcHistMatch(img, imgRef) # 子程序：直方圖匹配# 計算累計直方圖histImg, bins = np.histogram(img.flatten(), 256) # 計算原始圖像直方圖histRef, bins = np.histogram(imgRef.flatten(), 256) # 計算匹配模板直方圖cdfImg = histImg.cumsum() # 計算原始圖像累積分布函數(shù) CDFcdfRef = histRef.cumsum() # 計算匹配模板累積分布函數(shù) CDF# 計算直方圖匹配轉(zhuǎn)換函數(shù)transM = np.zeros(256)for i in range(256):index = 0vMin = np.fabs(cdfImg[i] - cdfRef[0])for j in range(256):diff = np.fabs(cdfImg[i] - cdfRef[j])if (diff < vMin):index = int(j)vMin = difftransM[i] = index# 直方圖匹配# imgOut = np.zeros_like(img)imgOut = transM[img].astype(np.uint8)fig = plt.figure(figsize=(10,7))plt.subplot(231), plt.title("Original image"), plt.axis('off')plt.imshow(img, cmap='gray') # 原始圖像plt.subplot(232), plt.title("Matching template"), plt.axis('off')plt.imshow(imgRef, cmap='gray') # 匹配模板plt.subplot(233), plt.title("Matching output"), plt.axis('off')plt.imshow(imgOut, cmap='gray') # 匹配結(jié)果histImg, bins = np.histogram(img.flatten(), 256) # 計算原始圖像直方圖plt.subplot(234, yticks=[]), plt.bar(bins[:-1], histImg)histRef, bins = np.histogram(imgRef.flatten(), 256) # 計算匹配模板直方圖plt.subplot(235, yticks=[]), plt.bar(bins[:-1], histRef)histOut, bins = np.histogram(imgOut.flatten(), 256) # 計算匹配結(jié)果直方圖plt.subplot(236, yticks=[]), plt.bar(bins[:-1], histOut)plt.show()

（本節(jié)完）

---

版權(quán)聲明：

youcans@xupt 原創(chuàng)作品，轉(zhuǎn)載必須標(biāo)注原文鏈接

Copyright 2021 youcans, XUPT

Crated：2021-11-25

歡迎關(guān)注 『OpenCV 例程200篇』 系列，持續(xù)更新中
歡迎關(guān)注 『Python小白的OpenCV學(xué)習(xí)課』 系列，持續(xù)更新中

【OpenCV 例程200篇】01. 圖像的讀取（cv2.imread）
【OpenCV 例程200篇】02. 圖像的保存（cv2.imwrite）
【OpenCV 例程200篇】03. 圖像的顯示（cv2.imshow）
【OpenCV 例程200篇】04. 用 matplotlib 顯示圖像（plt.imshow）
【OpenCV 例程200篇】05. 圖像的屬性（np.shape）
【OpenCV 例程200篇】06. 像素的編輯（img.itemset）
【OpenCV 例程200篇】07. 圖像的創(chuàng)建（np.zeros）
【OpenCV 例程200篇】08. 圖像的復(fù)制（np.copy）
【OpenCV 例程200篇】09. 圖像的裁剪（cv2.selectROI）
【OpenCV 例程200篇】10. 圖像的拼接（np.hstack）
【OpenCV 例程200篇】11. 圖像通道的拆分（cv2.split）
【OpenCV 例程200篇】12. 圖像通道的合并（cv2.merge）
【OpenCV 例程200篇】13. 圖像的加法運算（cv2.add）
【OpenCV 例程200篇】14. 圖像與標(biāo)量相加（cv2.add）
【OpenCV 例程200篇】15. 圖像的加權(quán)加法（cv2.addWeight）
【OpenCV 例程200篇】16. 不同尺寸的圖像加法
【OpenCV 例程200篇】17. 兩張圖像的漸變切換
【OpenCV 例程200篇】18. 圖像的掩模加法
【OpenCV 例程200篇】19. 圖像的圓形遮罩
【OpenCV 例程200篇】20. 圖像的按位運算
【OpenCV 例程200篇】21. 圖像的疊加
【OpenCV 例程200篇】22. 圖像添加非中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】23. 圖像添加中文文字
【OpenCV 例程200篇】24. 圖像的仿射變換
【OpenCV 例程200篇】25. 圖像的平移
【OpenCV 例程200篇】26. 圖像的旋轉(zhuǎn)（以原點為中心）
【OpenCV 例程200篇】27. 圖像的旋轉(zhuǎn)（以任意點為中心）
【OpenCV 例程200篇】28. 圖像的旋轉(zhuǎn)（直角旋轉(zhuǎn)）
【OpenCV 例程200篇】29. 圖像的翻轉(zhuǎn)（cv2.flip）
【OpenCV 例程200篇】30. 圖像的縮放（cv2.resize）
【OpenCV 例程200篇】31. 圖像金字塔（cv2.pyrDown）
【OpenCV 例程200篇】32. 圖像的扭變（錯切）
【OpenCV 例程200篇】33. 圖像的復(fù)合變換
【OpenCV 例程200篇】34. 圖像的投影變換
【OpenCV 例程200篇】35. 圖像的投影變換（邊界填充）
【OpenCV 例程200篇】36. 直角坐標(biāo)與極坐標(biāo)的轉(zhuǎn)換
【OpenCV 例程200篇】37. 圖像的灰度化處理和二值化處理
【OpenCV 例程200篇】38. 圖像的反色變換（圖像反轉(zhuǎn)）
【OpenCV 例程200篇】39. 圖像灰度的線性變換
【OpenCV 例程200篇】40. 圖像分段線性灰度變換
【OpenCV 例程200篇】41. 圖像的灰度變換（灰度級分層）
【OpenCV 例程200篇】42. 圖像的灰度變換（比特平面分層）
【OpenCV 例程200篇】43. 圖像的灰度變換（對數(shù)變換）
【OpenCV 例程200篇】44. 圖像的灰度變換（伽馬變換）
【OpenCV 例程200篇】45. 圖像的灰度直方圖
【OpenCV 例程200篇】46. 直方圖均衡化
【OpenCV 例程200篇】47. 圖像增強(qiáng)—直方圖匹配
【OpenCV 例程200篇】48. 圖像增強(qiáng)—彩色直方圖匹配
【OpenCV 例程200篇】49. 圖像增強(qiáng)—局部直方圖處理
【OpenCV 例程200篇】50. 圖像增強(qiáng)—直方圖統(tǒng)計量圖像增強(qiáng)
【OpenCV 例程200篇】51. 圖像增強(qiáng)—直方圖反向追蹤
【OpenCV 例程200篇】52. 圖像的相關(guān)與卷積運算
【OpenCV 例程200篇】53. Scipy 實現(xiàn)圖像二維卷積
【OpenCV 例程200篇】54. OpenCV 實現(xiàn)圖像二維卷積
【OpenCV 例程200篇】55. 可分離卷積核
【OpenCV 例程200篇】56. 低通盒式濾波器
【OpenCV 例程200篇】57. 低通高斯濾波器
【OpenCV 例程200篇】58. 非線性濾波—中值濾波
【OpenCV 例程200篇】59. 非線性濾波—雙邊濾波
【OpenCV 例程200篇】60. 非線性濾波—聯(lián)合雙邊濾波
【OpenCV 例程200篇】61. 導(dǎo)向濾波（Guided filter）
【OpenCV 例程200篇】62. 圖像銳化——鈍化掩蔽
【OpenCV 例程200篇】63. 圖像銳化——Laplacian 算子
【OpenCV 例程200篇】64. 圖像銳化——Sobel 算子
【OpenCV 例程200篇】65. 圖像銳化——Scharr 算子
【OpenCV 例程200篇】66. 圖像濾波之低通/高通/帶阻/帶通
【OpenCV 例程200篇】67. 空間域圖像增強(qiáng)的綜合應(yīng)用
【OpenCV 例程200篇】68. 空間域圖像增強(qiáng)的綜合應(yīng)用
【OpenCV 例程200篇】69. 連續(xù)非周期信號的傅立葉系數(shù)
【OpenCV 例程200篇】70. 一維連續(xù)函數(shù)的傅里葉變換
【OpenCV 例程200篇】71. 連續(xù)函數(shù)的取樣
【OpenCV 例程200篇】72. 一維離散傅里葉變換
【OpenCV 例程200篇】73. 二維連續(xù)傅里葉變換
【OpenCV 例程200篇】74. 圖像的抗混疊
【OpenCV 例程200篇】75. Numpy 實現(xiàn)圖像傅里葉變換
【OpenCV 例程200篇】76. OpenCV 實現(xiàn)圖像傅里葉變換
【OpenCV 例程200篇】77. OpenCV 實現(xiàn)快速傅里葉變換
【OpenCV 例程200篇】78. 頻率域圖像濾波基礎(chǔ)
【OpenCV 例程200篇】79. 頻率域圖像濾波的基本步驟
【OpenCV 例程200篇】80. 頻率域圖像濾波詳細(xì)步驟
【OpenCV 例程200篇】81. 頻率域高斯低通濾波器
【OpenCV 例程200篇】82. 頻率域巴特沃斯低通濾波器
【OpenCV 例程200篇】83. 頻率域低通濾波：印刷文本字符修復(fù)
【OpenCV 例程200篇】84. 由低通濾波器得到高通濾波器
【OpenCV 例程200篇】85. 頻率域高通濾波器的應(yīng)用
【OpenCV 例程200篇】86. 頻率域濾波應(yīng)用：指紋圖像處理
【OpenCV 例程200篇】87. 頻率域鈍化掩蔽
【OpenCV 例程200篇】88. 頻率域拉普拉斯高通濾波
【OpenCV 例程200篇】89. 帶阻濾波器的傳遞函數(shù)
【OpenCV 例程200篇】90. 頻率域陷波濾波器
【OpenCV 例程200篇】91. 高斯噪聲、瑞利噪聲、愛爾蘭噪聲
【OpenCV 例程200篇】92. 指數(shù)噪聲、均勻噪聲、椒鹽噪聲
【OpenCV 例程200篇】93. 噪聲模型的直方圖
【OpenCV 例程200篇】94. 算術(shù)平均濾波器
【OpenCV 例程200篇】95. 幾何均值濾波器
【OpenCV 例程200篇】96. 諧波平均濾波器
【OpenCV 例程200篇】97. 反諧波平均濾波器
【OpenCV 例程200篇】98. 統(tǒng)計排序濾波器
【OpenCV 例程200篇】99. 修正阿爾法均值濾波器
【OpenCV 例程200篇】100. 自適應(yīng)局部降噪濾波器

總結(jié)

以上是生活随笔為你收集整理的【OpenCV 例程200篇】47. 图像增强—直方图匹配的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。