여러 겹치는 래스터의 모자이크 처리 프로세스를 개선하기 위해 Python을 사용하여 히스토그램 일치를 시도하고 있습니다. 다음에서 찾은 코드를 기반으로합니다.
http://www.idlcoyote.com/ip_tips/histomatch.html
지금까지 인접한 두 래스터의 겹치는 영역을 잘라내어 배열을 평평하게했습니다.
길이가 같은 2 차원 배열이 2 개 있습니다.
그런 다음 위 웹 사이트에서 찾은 코드를 기반으로 다음 코드를 작성했습니다. 표시된 코드에서 gd 및 bd 이미지에 대해 매우 작은 두 개의 데이터 세트를 대체했습니다.
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
bins = range(0,100, 10)
gd_hist = [1,2,3,4,5,4,3,2,1]
bd_hist = [2,4,6,8,10,8,6,4,2]
nPixels = len(gd_hist)
# here we are creating the cumulative distribution frequency for the bad image
cdf_bd = []
for k in range(0, len(bins)-1):
b = sum(bd_hist[:k])
cdf_bd.append(float(b)/nPixels)
# here we are creating the cumulative distribution frequency for the good image
cdf_gd = []
for l in range(0, len(bins)-1):
g = sum(gd_hist[:l])
cdf_gd.append(float(g)/nPixels)
# we plot a histogram of the number of
plt.plot(bins[1:], gd_hist, 'g')
plt.plot(bins[1:], bd_hist, 'r--')
plt.show()
# we plot the cumulative distribution frequencies of both images
plt.plot(bins[1:], cdf_gd, 'g')
plt.plot(bins[1:], cdf_bd, 'r--')
plt.show()
z = []
# loop through the bins
for m in range(0, len(bins)-1):
p = [cdf_bd.index(b) for b in cdf_bd if b < cdf_gd[m]]
if len(p) == 0:
z.append(0)
else:
# if p is not empty, find the last value in the list p
lastval = p[len(p)-1]
# find the bin value at index 'lastval'
z.append(bins[lastval])
plt.plot(bins[1:], z, 'g')
plt.show()
# look into the 'bounds_error'
fi = interp1d(bins[1:], z, bounds_error=False, kind='cubic')
plt.plot(bins[1:], gd_hist, 'g')
plt.show
plt.plot(bins[1:], fi(bd_hist), 'r--')
plt.show()내 프로그램은 히스토그램과 누적 빈도 분포를 성공적으로 플로팅합니다 ... 그리고 변환 함수 'z'를 올바르게 얻는 부분이 있다고 생각했습니다 ....하지만 'bd_hist'에서 분포 함수 'fi'를 사용할 때 gd 데이터 세트와 일치 시키려고하면 모두 배 모양이됩니다.
나는 수학자가 아니며 상당히 명백한 것을 간과했을 가능성이 높습니다.
cdf_bd = np.cumsum(bd_hist) / float(np.sum(bd_hist))