Эти воздушные изображения, сделанные в разное время, представляют собой перекрывающиеся виды одной и той же местности в Конкорде, штат Массачусетс. Этот пример демонстрирует, что вводятся изображения A и Ref могут быть разных размеров и типов изображений.

Загрузите изображение RGB и эталонное 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, что изображение A и Ref различаются по размеру и типу. Графическое A является изображением truecolor RGB, в то время как изображение Ref является полутоновым изображением. Оба изображения имеют тип данных uint8.

Сгенерируйте гистограмму, совпадающую с выходным изображением. Пример соответствует каждому каналу A против одной гистограммы Ref. Выходное изображение B принимает характеристики изображений A - это изображение RGB, размер и тип данных которого совпадают с размером изображения A. Количество различных уровней, присутствующих в каждом канале RGB изображения B совпадает с количеством интервалов в гистограмме, созданной из полутонового изображения Ref. В этом примере гистограмма Ref и B иметь количество интервалов по умолчанию 64.

B = imhistmatch(A,Ref);

Отобразите изображение RGB A, изображение ссылки Refи гистограмма совпадает с изображением RGB B. Размер изображений изменяется перед отображением.

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

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

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

Чтение цветного изображения и ссылки изображения. Чтобы продемонстрировать полиномиальный метод, назначьте ссылку изображение более темным 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 она совпадала с гистограммой ссылки изображения ref. Для сравнения также настройте интенсивность изображения I использование однородного 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)');

Согласованное с гистограммой изображение с помощью единообразного метода вводит ложные цвета в небе и дороге. Согласованное с гистограммой изображение с использованием полиномиального метода не показывает этот программный продукт.

В этом примере показано, как можно изменить количество интервалов в целевой гистограмме, чтобы улучшить эквализацию гистограммы.

Загрузите два изображения типа данных uint8 в рабочую область. Изображения были сделаны цифровой камерой и представляют две различные экспозиции одной и той же сцены. A является недоэкспонированным изображением и выглядит темным. ref является ссылка изображением с хорошей экспозицией и яркостью.

A = imread('office_2.jpg');
ref = imread('office_4.jpg');

Отобразите изображения в монтаже.

montage({A,ref})
title('Dark Image (Left) and Reference Image (Right)')

Отобразите гистограмму каждого цветового канала с помощью 256 интервалов. Можно использовать функцию helper, displayHistogramChannels, что включено в пример.

displayHistogramChannels(A,ref)

Графическое A, будучи более темным изображением, имеет большинство своих пикселей в нижних интервалах. Эталонное изображение, r ef, полностью заполняет все 256 значений интервалов во всех трех каналах RGB.

Подсчитайте количество уникальных 8-битных значений уровня для каждого цветового канала темного и эталонного изображения. Можно использовать функцию helper, countUniqueValues, что включено в пример.

numVals = countUniqueValues(A,ref);
table(numVals(:,1),numVals(:,2),numVals(:,3), ...
  'VariableNames',["Red" "Green" "Blue"], ...
  'RowNames',["A" "ref"])

ans=2×3 table
           Red    Green    Blue
           ___    _____    ____

    A      205     193     224 
    ref    256     256     256 

Выровняйте гистограмму темного изображения с помощью трех различных значений nbins: 64, 128 и 256. 64 - количество интервалов по умолчанию, а 256 - максимальное количество интервалов для uint8 пиксельные данные.

[B64,hgram64]   = imhistmatch(A,ref,64);   
[B128,hgram128] = imhistmatch(A,ref,128);
[B256,hgram256] = imhistmatch(A,ref,256);

figure
montage({B64,B128,B256},'Size',[1 3])
title('Output Image B64  |  Output Image B128  |  Output Image B256')

Отобразите гистограмму каждого цветового канала с помощью 256 интервалов. Можно использовать функцию helper, displayThreeHistogramChannels, что включено в пример.

displayThreeHistogramChannels(B64,B128,B256)

Подсчитайте количество уникальных 8-битных значений уровня для каждого цветового канала трех выравниваемых гистограмм изображений. Как nbins увеличивается, количество уровней в каждом канале RGB выходного изображения B также увеличивается.

numVals = countUniqueValues(B64,B128,B256);
table(numVals(:,1),numVals(:,2),numVals(:,3), ...
  'VariableNames',["Red" "Green" "Blue"], ...
  'RowNames',["B64" "B128" "B256"])

ans=3×3 table
            Red    Green    Blue
            ___    _____    ____

    B64      57      60      58 
    B128    101     104     104 
    B256    134     135     136 

В этом примере показано, как выполнить сопоставление гистограмм с различными числами интервалов.

Загрузите 16-битное изображение DICOM колена, визуализированное с помощью МРТ.

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 имеют низкие коды значения, что заставляет изображение выглядеть темным. Чтобы исправить это, масштабируйте данные изображения, чтобы охватить всюсь 16-битную область значений [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 эталонное изображение Ref для создания изображения A который 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 эталонное изображение Ref и затемненное изображение A. Обратите внимание, что они имеют одинаковое количество дискретных значений кода, но различаются общей яркостью.

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

Сгенерируйте сопоставленные с гистограммой выходные изображения с помощью гистограмм с разным количеством интервалов. Сначала используйте количество интервалов по умолчанию 64. Затем используйте количество значений, присутствующих в изображении A, 448 интервалы.

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'])