ヒストグラムマッチングで画像の色を変換

最近、画像処理関係でヒストグラムマッチングというアルゴリズムがあるのを知りました。Pythonのライブラリscikit-imageにはこれがあるので、実際に試してみました。

ヒストグラムマッチングとは

ヒストグラムから累積分布関数を作成して、2つの累積分布関数$S$と$G$について、$S(r)=G(z)$となるように$r$を$z$にマッピングするらしいです。

参考:Wikipedia : Histogram matching

実施1

1つ目の画像の色を2つ目の画像の色に変換します。

画像はどちらもぱくたそ（www.pakutaso.com）から使わせて頂いています。
コードはほとんどscikit-imageのサンプルコードの写経です。

import numpy as np
from PIL import Image
from matplotlib import pyplot as plt
from skimage.transform import match_histograms

referenceimage = Image.open("reference.jpg")
reference=np.asarray(referenceimage)

srcimage = Image.open("src.jpg")
src = np.asarray(srcimage)

matched = match_histograms(src, reference, multichannel = True)

fig, (ax1, ax2, ax3) = plt.subplots(nrows=1, ncols=3, figsize=(8, 3),
                                    sharex=True, sharey=True)
for aa in (ax1, ax2, ax3):
    aa.set_axis_off()

ax1.imshow(src)
ax1.set_title('Source')
ax2.imshow(reference)
ax2.set_title('Reference')
ax3.imshow(matched)
ax3.set_title('Matched')

plt.tight_layout()
plt.show()

結果1

次のような結果になりました。

個人的には植物の葉の部分がもっと紅くなるかと思ったのですが、そうはなりませんでした。

実施2

先ほどは画像のRGBそれぞれに対してヒストグラムマッチングを行いましたが、より人間の直感に近そうなHSV色空間に変換してからヒストグラムマッチングをしたらどうなるか見てみました。

import numpy as np
from PIL import Image
from matplotlib import pyplot as plt
from skimage.transform import match_histograms

def RGBtoHSV(r, g, b):
    r = int(r)
    g = int(g)
    b = int(b)
    max = r if r > g else g
    max = max if max > b else b
    min = r if r < g else g
    min = min if min < b else b
    h = max - min
    if h > 0:
        if max == r:
            h = 60 * ((g - b) / h)
            if h < 0.:
                h += 360
        elif max == g:
            h = 60 * ((b - r) / h) + 120
        else:
            h = 60 * ((r - g) / h) + 240
    s = max - min
    if max != 0.:
        s = s / max
    s = s * 100
    v = max / 255 * 100
    return h, s, v

def HSVtoRGB(h, s, v):
    max = v * 255 / 100
    min = s
    min = min * max
    min = min / 100
    min = max - min
    if h >= 0 and h < 60:
        r = max
        g = (h / 60) * (max - min) + min
        b = min
    elif h >= 60 and h < 120:
        r = (120 - h) / 60 * (max - min) + min
        g = max
        b = min
    elif h >= 120 and h < 180:
        r = min
        g = max
        b = (h - 120) / 60 * (max - min) + min
    elif h >= 180 and h < 240:
        r = min
        g = (240 - h) / 60 * (max - min) + min
        b = max
    elif h >= 240 and h < 300:
        r = (h - 240) / 60 * (max - min) + min
        g = min
        b = max
    else:
        r = max
        g = min
        b = (360 - h) / 60 * (max - min) + min
    return r, g, b

referenceimage = Image.open("reference.jpg")
reference=np.asarray(referenceimage)
referencehsv = np.asarray([RGBtoHSV(reference[i,j,0], reference[i,j,1], reference[i,j,2]) for i in range(reference.shape[0]) for j in range(reference.shape[1])], dtype = np.float)
referencehsv = referencehsv.reshape(reference.shape)

srcimage = Image.open("src.jpg")
src = np.asarray(srcimage)
srchsv = np.asarray([RGBtoHSV(src[i,j,0], src[i,j,1], src[i,j,2]) for i in range(src.shape[0]) for j in range(src.shape[1])], dtype = np.float)
srchsv = srchsv.reshape(src.shape)

matchedhsv = match_histograms(srchsv, referencehsv, multichannel = True)
matched = np.asarray([HSVtoRGB(matchedhsv[i,j,0], matchedhsv[i,j,1], matchedhsv[i,j,2]) for i in range(matchedhsv.shape[0]) for j in range(matchedhsv.shape[1])],dtype = np.uint8)
matched = matched.reshape(matchedhsv.shape)

fig, (ax1, ax2, ax3) = plt.subplots(nrows=1, ncols=3, figsize=(8, 3),
                                    sharex=True, sharey=True)
for aa in (ax1, ax2, ax3):
    aa.set_axis_off()

ax1.imshow(src)
ax1.set_title('Source')
ax2.imshow(reference)
ax2.set_title('Reference')
ax3.imshow(matched)
ax3.set_title('Matched')

plt.tight_layout()
plt.show()

結果2

次のような結果になりました。

全体の色の分布しか見ないで変換しているため違和感はありますが、結果1よりは紅葉っぽい色合いになった気がします。
違和感なく画像の色を自動で変えるにはもっと複雑な処理が必要そうですが、これだけでも手軽に動かせて面白いと思いました。