Eu estou tentando fazer a correspondência de histograma usando Python para melhorar o processo de mosaico de várias rasters sobrepostas. Estou baseando meu código no encontrado em:
http://www.idlcoyote.com/ip_tips/histomatch.html
Até o momento, consegui recortar a área sobreposta de duas rasters adjacentes e achatar a matriz.
então eu tenho duas matrizes unidimensionais do mesmo comprimento.
Escrevi o código a seguir com base no código encontrado no site acima. No código mostrado, substituí dois conjuntos de dados muito pequenos pelas imagens gd e bd.
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()Meu programa plota os histogramas e distribuições de frequência cumulativa com êxito ... e eu pensei que tinha o papel de corrigir a função de transformação 'z' .... mas depois, quando eu uso a função de distribuição 'fi' no 'bd_hist' para tentar combiná-lo com o conjunto de dados gd, tudo fica em forma de pêra.
Não sou matemático e é muito provável que tenha esquecido algo bastante óbvio.
cdf_bd = np.cumsum(bd_hist) / float(np.sum(bd_hist))