基于OpenCV实现图像的直方图匹配结果图片

在OpenCV中，直方图匹配是一种常用的图像处理技术，用于增强两幅图像之间的色彩相似度。它通过比较两幅图像的像素值分布，将一幅图像的亮度分布（直方图）映射到另一幅图像上。以下是基于OpenCV进行直方图匹配的基本步骤：

1. **读取图像**：首先使用`cv2.imread()`函数加载两幅待匹配的图像。

import cv2
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

2. **计算直方图**：对每幅图像分别计算其灰度级别的直方图，可以使用`cv2.calcHist()`函数。

hist1 = cv2.calcHist([img1], [0], None, [256], [0, 256])
hist2 = cv2.calcHist([img2], [0], None, [256], [0, 256])

3. **归一化直方图**：由于直方图可能会有大小差异，通常需要先归一化以便于匹配。

cv2.normalize(hist1, hist1, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)
cv2.normalize(hist2, hist2, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

4. **查找表（Look-up Table, LUT）生成**：利用归一化的直方图创建一个查找表，将img1的灰度级映射到img2的灰度级别。

lut = np.zeros((256, 3), dtype=np.uint8)
for i in range(256):
    lut[i] = (np.digitize(i, bins=np.arange(257), right=False) - 1,)*3  # 这里假设是RGB空间，如果是灰度则去掉*3

5. **应用LUT**：最后，使用`cv2.LUT()`函数将img1的每个像素应用查表，得到直方图匹配的结果。

matched_img = cv2.LUT(img1, lut)

6. **保存图片**：用`cv2.imwrite()`保存处理后的图像。

cv2.imwrite('matched_image.jpg', matched_img)