【图像处理】基于OpenCV底层实现的直方图匹配
2014-10-25 23:57
1051 查看
image processing 系列:
【图像处理】图片旋转
【图像处理】高斯滤波、中值滤波、均值滤波
直方图匹配算法,又称直方图规定化。简单说,就是根据某函数、或者另外一张图片的引导,使得原图改变。
感觉解释的最好的是:http://www.360doc.com/content/13/1106/16/10724725_327179043.shtml
完整代码:github (里面同时包含OSTU / 大津算法、直方图均衡化等算法,还包括两种测试图片)。
因为我个人兴趣爱好(放P就是老师逼的。。。),不允许使用 OpenCV 封装好的直方图函数。根据实例讲解,了解了直方图匹配算法底层的操作(多说一句,这个例子可以是我见过最好的直方图匹配算法讲解,也是很难见的此算法的例子,必读)。
注:实例讲解中 0->3 的意义是,原图中灰度级为 0 的像素点全部转化为原图中的 3 灰度级。
上代码(其中,srcImg 是原图,dstImg 是需要匹配的图,flag 标记两者是 RGB 图还是灰度图):
实验结果如下:
原图为
;
需要匹配的图是
;
最终输出的是图
。
匹配图片的灰度累积直方图为:
;
最终输出的灰度累积直方图为:
两者很接近了,证明匹配算法是可行的(当然如果我说错了,欢迎打脸,共同进步哈哈~)
【图像处理】图片旋转
【图像处理】高斯滤波、中值滤波、均值滤波
直方图匹配算法,又称直方图规定化。简单说,就是根据某函数、或者另外一张图片的引导,使得原图改变。
感觉解释的最好的是:http://www.360doc.com/content/13/1106/16/10724725_327179043.shtml
完整代码:github (里面同时包含OSTU / 大津算法、直方图均衡化等算法,还包括两种测试图片)。
因为我个人兴趣爱好(放P就是老师逼的。。。),不允许使用 OpenCV 封装好的直方图函数。根据实例讲解,了解了直方图匹配算法底层的操作(多说一句,这个例子可以是我见过最好的直方图匹配算法讲解,也是很难见的此算法的例子,必读)。
注:实例讲解中 0->3 的意义是,原图中灰度级为 0 的像素点全部转化为原图中的 3 灰度级。
上代码(其中,srcImg 是原图,dstImg 是需要匹配的图,flag 标记两者是 RGB 图还是灰度图):
cv::Mat ycMatchHist(cv::Mat srcImg, cv::Mat dstImg, int flag) { // ****** 如果是 RGB 图片则转为灰度图片操作 ****** Mat out(srcImg); if (flag == YC_RGB) { cvtColor(srcImg, out, CV_BGR2GRAY); } else if (flag == YC_GRAY) { } int grayLevel[colvl]; for(int i=0; i<colvl; i++) grayLevel[i] = i; int grayArr[colvl]; int srcRow = srcImg.rows; int srcCol = srcImg.cols; int dstRow = dstImg.rows; int dstCol = dstImg.cols; float srcCdfArr[colvl] = {0.f}; float dstCdfArr[colvl] = {0.f}; float tmp; // *** 求解源图片的累积直方图(概率)分布 *** memset(grayArr, 0, sizeof(grayArr)); for(size_t nrow = 0; nrow < srcRow; nrow++) for(size_t ncol = 0; ncol < srcCol; ncol++) { int tag = srcImg.at<uchar>(nrow, ncol); grayArr[tag]++; } tmp = 0; for(int i=0; i<colvl; i++) { tmp += grayArr[i]; srcCdfArr[i] = tmp / (srcRow * srcCol); // std::cout<<srcCdfArr[i]<<std::endl; } // *** 求解目标图片的累积直方图(概率)分布 *** memset(grayArr, 0, sizeof(grayArr)); for(size_t nrow = 0; nrow < dstRow; nrow++) for(size_t ncol = 0; ncol < dstCol; ncol++) { int tag = dstImg.at<uchar>(nrow, ncol); grayArr[tag]++; } tmp = 0; for(int i=0; i<colvl; i++) { tmp += grayArr[i]; dstCdfArr[i] = tmp / (dstRow * dstCol); } // *** 直方图匹配算法 *** int histMap[colvl]; int minTag; for(int i=0; i<colvl; i++) { float minMap = 10.f; for(int j=0; j<colvl; j++) { if (minMap > abs(srcCdfArr[i] - dstCdfArr[j])) { minMap = abs(srcCdfArr[i] - dstCdfArr[j]); minTag = j; } } histMap[i] = minTag; } for(size_t nrow = 0; nrow < out.rows; nrow++) for(size_t ncol = 0; ncol < out.cols; ncol++) { int tag = out.at<uchar>(nrow, ncol); out.at<uchar>(nrow, ncol) = histMap[tag]; } return out; }
实验结果如下:
原图为
;
需要匹配的图是
;
最终输出的是图
。
匹配图片的灰度累积直方图为:
;
最终输出的灰度累积直方图为:
两者很接近了,证明匹配算法是可行的(当然如果我说错了,欢迎打脸,共同进步哈哈~)
相关文章推荐
- 【图像处理】基于OpenCV底层实现的直方图匹配
- opencv基于直方图实现图像检索匹配
- 【图像处理】基于OpenCV底层实现的滤波
- 【图像处理】基于OpenCV底层实现的滤波
- 【图像处理】基于OpenCV底层实现的图片旋转
- 【图像处理】基于OpenCV底层实现的图片旋转
- 基于opencv和c++的图像处理:直方图匹配
- 特征点匹配应用——图像拼接的原理与基于OpenCV的实现
- 【OpenCV3图像处理】图像直方图均衡化、直方图匹配
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 D】
- 基于直方图的图像检索OpenCV实现
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 A】
- 图像处理常用算法GPU实现三:基于模板匹配的边缘检测
- 一种基于特征点匹配的图像检索方法的opencv实现
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 B】
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 C】
- 图像处理常用算法GPU实现三:基于模板匹配的边缘检测
- 【第二部分 图像处理】第3章 Opencv图像处理进阶【3 直方图与匹配 E】
- OpenCV之imgproc 模块. 图像处理(4)直方图均衡化 直方图计算 直方图对比 反向投影 模板匹配
- 图像处理基础(2):自适应中值滤波器(基于OpenCV实现)