Эти воздушные изображения, взятые в разное время, представляют перекрывающиеся представления того же ландшафта в Конкорде, Массачусетс. Этот пример демонстрирует, что вход отображает A и Ref может иметь различные размеры и типы изображения.

Загрузите изображение RGB и ссылочное полутоновое изображение.

A = imread('concordaerial.png');
Ref = imread('concordorthophoto.png');

Получите размер A.

size(A)

ans = 1×3

        2036        3060           3

Получите размер Ref.

size(Ref)

ans = 1×2

        2215        2956

Обратите внимание на то, что отобразите A и Ref отличаются в размере и типе. Отобразите A изображение RGB истинного цвета, в то время как изображение Ref полутоновое изображение. Оба изображения имеют тип данных uint8.

Сгенерируйте соответствующее выходное изображение гистограммы. Пример совпадает с каждым каналом A против одной гистограммы Ref. Выходное изображение B берет характеристики изображения A - это - изображение RGB, размер которого и тип данных эквивалентны, отображают A. Количество отличных уровней, существующих в каждом канале RGB изображения B совпадает с количеством интервалов в гистограмме, созданной из полутонового изображения Ref. В этом примере, гистограмме Ref и B имейте количество по умолчанию интервалов, 64.

B = imhistmatch(A,Ref);

Отобразитесь RGB отображают A, ссылочное изображение Ref, и гистограмма совпадала с изображением RGB B. Изображения изменены перед отображением.

imshow(A)
title('RGB Image with Color Cast')

imshow(Ref)
title('Reference Grayscale Image')

imshow(B)
title('Histogram Matched RGB Image')

Считайте цветное изображение и ссылочное изображение. Чтобы продемонстрировать полиномиальный метод, присвойте ссылочное изображение, чтобы быть более темными из двух изображений.

I = imread('office_4.jpg');
ref = imread('office_2.jpg');
montage({I,ref})
title('Input Image (Left) vs Reference Image (Right)');

Используйте полиномиальный метод, чтобы настроить интенсивность изображения I так, чтобы это совпадало с гистограммой ссылочного изображения ref. Для сравнения также настройте интенсивность изображения I использование универсального метода.

J = imhistmatch(I,ref,'method','polynomial');
K = imhistmatch(I,ref,'method','uniform');
montage({J,K})
title('Histogram-Matched Image Using Polynomial Method (Left) vs Uniform Method (Right)');

Соответствующее гистограмме изображение с помощью универсального метода вводит фиктивные цвета в небе и дороге. Соответствующее гистограмме изображение с помощью полиномиального метода не показывает этот артефакт.

В этом примере вы будете видеть эффект на выходном изображении J из варьирования количества равномерно распределенных интервалов в целевой гистограмме изображения Ref, от его значения по умолчанию 64 к максимальному значению 256 для uint8 пиксельные данные.

    A   = imread('office_2.jpg');   % Dark Image
    Ref = imread('office_4.jpg');   % Reference image

[B64,  hgram] = imhistmatch(A, Ref,  64);   
[B128, hgram] = imhistmatch(A, Ref, 128);
[B256, hgram] = imhistmatch(A, Ref, 256);

В этом примере показано, как выполнить гистограмму, соответствующую с различными количествами интервалов.

Загрузите 16-битное изображение DICOM колена, отображенного через MRI.

K = dicomread('knee1.dcm');   % read in original 16-bit image
LevelsK = unique(K(:));       % determine number of unique code values
disp(['image K: ',num2str(length(LevelsK)),' distinct levels']);

image K: 448 distinct levels

disp(['max level = ' num2str( max(LevelsK) )]);

max level = 473

disp(['min level = ' num2str( min(LevelsK) )]);

min level = 0

Все 448 дискретных значений в низких кодовых обозначениях, который заставляет изображение выглядеть темным. Чтобы исправить это, масштабируйте данные изображения, чтобы породить целую 16-битную линейную оболочку столбцов [0, 65535].

Kdouble = double(K);                  % cast uint16 to double
kmult = 65535/(max(max(Kdouble(:)))); % full range multiplier
Ref = uint16(kmult*Kdouble);   % full range 16-bit reference image

Затемните ссылочное изображение Ref создать изображение A это может использоваться в операции соответствия гистограммы.

%Build concave bow-shaped curve for darkening |Ref|.
ramp = [0:65535]/65535;
ppconcave = spline([0 .1 .50  .72 .87 1],[0 .025 .25 .5 .75 1]);
Ybuf = ppval( ppconcave, ramp);
Lut16bit = uint16( round( 65535*Ybuf ) );
% Pass image |Ref| through a lookup table (LUT) to darken the image.
A = intlut(Ref,Lut16bit);

Просмотрите ссылочное изображение Ref и затемненное изображение A. Обратите внимание на то, что они имеют то же количество дискретных кодовых обозначений, но отличаются по полной яркости.

subplot(1,2,1)
imshow(Ref)
title('Ref: Reference Image')
subplot(1,2,2)
imshow(A)
title('A: Darkened Image');

Сгенерируйте соответствующие гистограмме выходные изображения с помощью гистограмм с различным количеством интервалов. Сначала используйте количество по умолчанию интервалов, 64. Затем используйте количество значений, существующих в изображении A, 448 интервалов.

B16bit64 = imhistmatch(A(:,:,1),Ref(:,:,1));  % default: 64 bins

N = length(LevelsK);     % number of unique 16-bit code values in image A.
B16bitUniq = imhistmatch(A(:,:,1),Ref(:,:,1),N);

Просмотрите результаты двух операций соответствия гистограммы.

figure
subplot(1,2,1)
imshow(B16bit64)
title('B16bit64: 64 bins')
subplot(1,2,2)
imshow(Ref)
title(['B16bitUniq: ',num2str(N),' bins'])