Histogramme de correspondance de deux Images sans utiliser le histeq

Histogramme correspondant est concerné par la transformation d'une image de l'histogramme de sorte qu'il ressemble à un autre. Le principe de base est de calculer l'histogramme de chaque image individuellement, puis calculer leur discrète cumulé les fonctions de distribution (Cdf). Nous allons désigner le CDF de la première image que désignerait ce que le CDF valeur de l'intensité x pour la première image.

Une fois que vous calculez la Cdf pour chacune des images, vous avez besoin pour calculer une cartographie qui transforme l'intensité à partir de la première image de sorte qu'elle est en accord avec la répartition de l'intensité de la deuxième image. Pour ce faire, pour chaque intensité de la première image - appelons cette dans la deuxième image (dans la gamme de [0,255]) tels que:

Il peut y avoir des cas où vous n'aurez pas exactement une égalité, donc, ce que vous devez faire est de trouver la plus petite valeur absolue de la différence entre tels que:

Vous voulez faire cela pour toutes les 256 valeurs, et nous permettrait de produire une cartographie. Une fois que vous trouvez cette cartographie, il vous suffit d'appliquer cette cartographie sur la première image pour l'obtenir à regarder comme la répartition de l'intensité de la deuxième image. Une rude (et peut-être inefficace) algorithme ressemblerait à quelque chose comme ça. Laissez im1 être la première image (de type uint8), tandis que im2 est la deuxième image (de type uint8):

M = zeros(256,1,'uint8'); %//Store mapping - Cast to uint8 to respect data type
hist1 = imhist(im1); %//Compute histograms
hist2 = imhist(im2);
cdf1 = cumsum(hist1) / numel(im1); %//Compute CDFs
cdf2 = cumsum(hist2) / numel(im2);

%//Compute the mapping
for idx = 1 : 256
    [~,ind] = min(abs(cdf1(idx) - cdf2));
    M(idx) = ind-1;
end

%//Now apply the mapping to get first image to make
%//the image look like the distribution of the second image
out = M(double(im1)+1);

out devrait contenir votre appariés image où il transforme la répartition de l'intensité de la première image pour correspondre à celui de la deuxième image. Prendre soin de la out déclaration. La plage d'intensité de im1 s'étend entre [0,255], mais MATLAB indexation pour les tableaux commence à 1. Par conséquent, nous avons besoin d'ajouter 1 à chaque valeur de im1 afin que nous puissions correctement index dans M pour produire notre sortie. Cependant, im1 est de type uint8, et MATLAB acides gras saturés valeurs devriez-vous l'essayer et aller au-delà de 255. En tant que tel, pour s'assurer que nous obtenons à 256, nous devons à un type de données qui est au-delà de 8 bits de précision. J'ai décidé d'utiliser double, alors quand on ajoute 1 à chaque valeur dans im1, nous allons durée entre 1 à 256 pour que nous puissions correctement index dans M. Également de prendre pas que, lorsque je trouver l'emplacement qui minimise la différence, j'ai aussi doit soustraire 1 au type de données s'étend de [0,255].