当前位置：首页 > article >正文

图片专栏——曝光度调整相关

article 2025/1/22 19:20:01

假设条件：
- 如果两张图片是同一场景或内容（例如科研中的实验图片），那么它们的直方图应该有一定的相似性。
- 曝光度调整通常会导致直方图的整体平移或缩放，而不是完全改变分布形状。
改进方法：
- 直方图平移检测：检查直方图是否整体平移（例如曝光度增加或减少）。
- 直方图形状相似性：使用更高级的直方图比较方法（如巴氏距离或卡方距离）来评估形状相似性。
- 局部特征对比：如果可能，提取图片的局部特征（如边缘、纹理）进行比较，确保图片内容一致。

改进代码：

以下代码结合了直方图平移检测和形状相似性分析：

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 加载原始图片和处理后的图片
original_image = cv2.imread('original_image.jpg', cv2.IMREAD_GRAYSCALE)
processed_image = cv2.imread('processed_image.jpg', cv2.IMREAD_GRAYSCALE)

# 计算直方图
original_hist = cv2.calcHist([original_image], [0], None, [256], [0, 256])
processed_hist = cv2.calcHist([processed_image], [0], None, [256], [0, 256])

# 归一化直方图
original_hist = original_hist / original_image.size
processed_hist = processed_hist / processed_image.size

# 绘制直方图
plt.figure(figsize=(10, 5))

plt.subplot(1, 2, 1)
plt.plot(original_hist, color='black')
plt.title('原始图片直方图')
plt.xlabel('像素值')
plt.ylabel('频率')

plt.subplot(1, 2, 2)
plt.plot(processed_hist, color='black')
plt.title('处理后图片直方图')
plt.xlabel('像素值')
plt.ylabel('频率')

plt.show()

# 比较直方图形状相似性（使用巴氏距离）
def compare_histograms(hist1, hist2):
    # 巴氏距离（值越小，直方图越相似）
    return cv2.compareHist(hist1, hist2, cv2.HISTCMP_BHATTACHARYYA)

# 检测直方图是否平移（曝光度调整）
def detect_exposure_shift(hist1, hist2):
    # 计算直方图的均值
    mean1 = np.sum(np.arange(256) * hist1.flatten())
    mean2 = np.sum(np.arange(256) * hist2.flatten())
    shift = mean2 - mean1
    return shift

# 计算直方图形状相似性
bhattacharyya_distance = compare_histograms(original_hist, processed_hist)
print(f"直方图巴氏距离: {bhattacharyya_distance}")

# 检测直方图平移
exposure_shift = detect_exposure_shift(original_hist, processed_hist)
print(f"直方图平移量: {exposure_shift}")

# 判断是否存在曝光度调整
if bhattacharyya_distance < 0.2 and abs(exposure_shift) > 10:  # 阈值可以根据实际情况调整
    print("处理后的图片可能经过曝光度调整。")
else:
    print("处理后的图片不太可能经过曝光度调整。")