python 直方图匹配

直方图匹配是一种常用的图像处理方法，用于将一幅图像的直方图变换到指定的目标直方图，从而达到图像增强、色彩校正等目的。

在 Python 中，可以使用 OpenCV 库中的 `cv2.equalizeHist()` 函数实现直方图均衡化，用于增强图像对比度。而直方图匹配则需要使用 OpenCV 中的 `cv2.calcHist()` 函数计算图像的直方图，并通过将源图像的直方图映射到目标直方图来实现匹配。

下面是一个简单的直方图匹配的 Python 代码示例：

import cv2
import numpy as np

# 读取源图像和目标直方图
src = cv2.imread('source_image.jpg', cv2.IMREAD_GRAYSCALE)
dst_hist = cv2.imread('destination_histogram.jpg', cv2.IMREAD_GRAYSCALE)

# 计算源图像和目标直方图的直方图
src_hist = cv2.calcHist([src], [0], None, [256], [0, 256])
dst_hist = cv2.calcHist([dst_hist], [0], None, [256], [0, 256])

# 计算源图像和目标直方图的累计分布函数（CDF）
src_cdf = np.cumsum(src_hist)
src_cdf_normalized = src_cdf / src_cdf[-1]
dst_cdf = np.cumsum(dst_hist)
dst_cdf_normalized = dst_cdf / dst_cdf[-1]

# 计算源图像和目标直方图的映射关系
map_table = np.zeros((256, 1), dtype=np.uint8)
for i in range(256):
    j = 0
    while dst_cdf_normalized[j] < src_cdf_normalized[i] and j < 255:
        j += 1
    map_table[i] = j

# 对源图像进行直方图匹配
dst = cv2.LUT(src, map_table)

# 显示结果
cv2.imshow('Source image', src)
cv2.imshow('Destination histogram', dst_hist)
cv2.imshow('Matched image', dst)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先读取了源图像和目标直方图，然后使用 `cv2.calcHist()` 函数计算它们的直方图。接着，我们分别计算了源图像和目标直方图的累计分布函数（CDF），并将它们归一化到 $[0, 1]$ 的范围。然后，我们根据源图像和目标直方图的 CDF 计算了它们之间的映射关系，并使用 `cv2.LUT()` 函数将源图像的像素值映射到目标直方图上。最后，我们将源图像、目标直方图和匹配后的图像都显示出来，观察效果。