【图像处理】基于OpenCV底层实现的直方图匹配

image processing 系列：

1. 【图像处理】图片旋转
2. 【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(nrow, ncol);
		   grayArr[tag]++;
	   }

	tmp = 0;
	for(int i=0; i(nrow, ncol);
		   grayArr[tag]++;
	   }

	tmp = 0;
	for(int i=0; i 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(nrow, ncol);
		   out.at(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~）