绘制 2 张具有不同形状的图像的直方图

Question

我想在同一个图上绘制不同形状的不同图像的直方图。 首先，我想获得最大的形状并计算较小形状和最大形状之间的增强因子，最后通过它进行归一化。

但它给了我很多变化。

例如，如果 a 具有 (100,100,1) 图像形状和 (25,25,1) 图像形状，则因子为 16，因为第一个具有比第二个多 16 倍的像素。 (4*4)

代码是

import scipy.ndimage as scim
import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure(figsize = (12,8))

band = np.random.uniform(0,1, size = (100,100,1))
ax = fig.add_subplot(2, 2, 1)    ## a voir comment modifier en fct du nb de canaux
x = np.linspace(band.min(), band.max(), 50)
y = scim.histogram(band, band.min(), band.max(), 50)
ax.plot(x, y)

band = np.random.uniform(0,1, size = (25,25,1))
ax = fig.add_subplot(2, 2, 1)    ## a voir comment modifier en fct du nb de canaux
x = np.linspace(band.min(), band.max(), 50)
y = scim.histogram(band, band.min(), band.max(), 50)
ax.plot(x, y*16) #here i multiply by 16 to get the same size
plt.show()

两个直方图相差太大。 我怎样才能得到比这更现实的东西？

Answer 1

一种常用的方法是对直方图进行归一化，例如通过它们的积分（您也可以通过它们的最大值来做到这一点，具体取决于直方图的形状）：

import scipy.ndimage as scim
import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure(figsize = (12,8))

band = np.random.uniform(0,1, size = (100,100,1))
ax = fig.add_subplot(2, 2, 1)    ## a voir comment modifier en fct du nb de canaux
x = np.linspace(band.min(), band.max(), 50)
y = scim.histogram(band, band.min(), band.max(), 50)
ax.plot(x, y/y.sum())

band = np.random.uniform(0,1, size = (25,25,1))
ax = fig.add_subplot(2, 2, 1)  
x = np.linspace(band.min(), band.max(), 50)
y = scim.histogram(band, band.min(), band.max(), 50)
ax.plot(x, y/y.sum()) 
plt.show()

变化是您生成的随机噪声所固有的，我看不出您期望获得什么“但它给了我很多变化。”。