Birden çok örtüşen rasterlerin mozaikleme sürecini geliştirmek için Python kullanarak histogram eşleştirmesi yapmaya çalışıyorum. Kodumu şu adrese dayandırıyorum:
http://www.idlcoyote.com/ip_tips/histomatch.html
Bugüne kadar, iki bitişik rasterin üst üste binen alanını kırpmayı ve diziyi düzleştirmeyi başardım.
bu yüzden aynı uzunlukta iki adet 1 boyutlu dizim var.
Daha sonra yukarıdaki web sitesinde bulunan dayalı aşağıdaki kodu yazdım. Gösterilen kodda, gd ve bd görüntüleri için iki çok küçük veri kümesini değiştirdim.
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
bins = range(0,100, 10)
gd_hist = [1,2,3,4,5,4,3,2,1]
bd_hist = [2,4,6,8,10,8,6,4,2]
nPixels = len(gd_hist)
# here we are creating the cumulative distribution frequency for the bad image
cdf_bd = []
for k in range(0, len(bins)-1):
b = sum(bd_hist[:k])
cdf_bd.append(float(b)/nPixels)
# here we are creating the cumulative distribution frequency for the good image
cdf_gd = []
for l in range(0, len(bins)-1):
g = sum(gd_hist[:l])
cdf_gd.append(float(g)/nPixels)
# we plot a histogram of the number of
plt.plot(bins[1:], gd_hist, 'g')
plt.plot(bins[1:], bd_hist, 'r--')
plt.show()
# we plot the cumulative distribution frequencies of both images
plt.plot(bins[1:], cdf_gd, 'g')
plt.plot(bins[1:], cdf_bd, 'r--')
plt.show()
z = []
# loop through the bins
for m in range(0, len(bins)-1):
p = [cdf_bd.index(b) for b in cdf_bd if b < cdf_gd[m]]
if len(p) == 0:
z.append(0)
else:
# if p is not empty, find the last value in the list p
lastval = p[len(p)-1]
# find the bin value at index 'lastval'
z.append(bins[lastval])
plt.plot(bins[1:], z, 'g')
plt.show()
# look into the 'bounds_error'
fi = interp1d(bins[1:], z, bounds_error=False, kind='cubic')
plt.plot(bins[1:], gd_hist, 'g')
plt.show
plt.plot(bins[1:], fi(bd_hist), 'r--')
plt.show()Programım histogramları ve kümülatif frekans dağılımlarını başarılı bir şekilde çiziyor ... ve 'z' dönüşüm işlevini doğru bir şekilde almanın bir parçası olduğunu düşündüm .... ama sonra 'bd_hist' dağıtım işlevini kullandığımda gd veri kümesiyle eşleştirmeye çalışmak her şey armut şeklindedir.
Ben bir matematikçi değilim ve oldukça bariz bir şeyi göz ardı etmişimdir.
cdf_bd = np.cumsum(bd_hist) / float(np.sum(bd_hist))