আমি একাধিক ওভারল্যাপিং রাস্টারদের মোজাইকিংয়ের প্রক্রিয়াটি উন্নত করতে পাইথন ব্যবহার করে হিস্টগ্রাম মেলানোর চেষ্টা করছি। আমি যে কোডটি পেয়েছি তাতে আমার কোডটি বেজ করছি:
http://www.idlcoyote.com/ip_tips/histomatch.html
আজ অবধি, আমি দুটি সংলগ্ন রাস্টারগুলির ওভারল্যাপিং অঞ্চলটি ক্লিপ করতে এবং অ্যারে সমতল করতে সক্ষম হয়েছি।
সুতরাং আমার কাছে একই দৈর্ঘ্যের দুটি 1 টি মাত্রিক অ্যারে রয়েছে।
তারপরে আমি উপরের ওয়েবসাইটে পাওয়া তথ্যের ভিত্তিতে নিম্নলিখিত কোডটি লিখেছি। প্রদর্শিত কোডটিতে আমি জিডি এবং বিডি চিত্রগুলির জন্য দুটি খুব ছোট ডেটাসেটকে প্রতিস্থাপন করেছি।
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()আমার প্রোগ্রামটি হিস্টোগ্রামগুলি এবং সংশ্লেষিত ফ্রিকোয়েন্সি বিতরণগুলি সফলভাবে প্লট করে ... এবং আমি ভেবেছিলাম যে রূপান্তর ফাংশন 'জেড' সঠিকভাবে পাওয়ার ক্ষেত্রে আমার অংশ ছিল .... তবে যখন আমি 'বিডি_হিস্ট' এ বিতরণ ফাংশনটি 'ফাই' ব্যবহার করি তখন এটি জিডি ডেটাসেটের সাথে মিলানোর চেষ্টা করার জন্য এটি সবই নাশপাতি আকারের হয়ে যায়।
আমি কোনও গণিতবিদ নই এবং এটি সম্ভবত সম্ভবত আমি সুস্পষ্ট কিছু উপেক্ষা করেছি।
cdf_bd = np.cumsum(bd_hist) / float(np.sum(bd_hist))