基于小波变换的图像融合算法详解

图像融合的笔记【1】——小波融合

参考的以下大佬的文章：
小波融合的代码实例【1】
小波融合的代码实例【2】
小波融合代码详解

先是最基本的基于小波变换的图像融合，融合规则采用简单的低频部分取平均值，高频部分取基于区域能量。
我们使用的是matalb中自带的小波分解函数

- wavedec2函数

首先来了解matlab中小波分解函数中各个参数的作用：`

[C,S] = wavedec2(A,N,'wname');

其中A表示的是待处理的图像；
N表示分解的层数；
‘wname’表示的是使用的小波基函数；（具体小波基函数的选择可以查看help文档）
C为各层的分解系数
S表示的是各层分解系数长度的矩阵
C其实是一个**1*size（A）**的行向量；具体表现为：
C=[A(N)H(N)V(N)D(N)H(N-1)V(N-1)D(N-1)…H(1)V(1)D(1)]
其中A(N)是第N层的低频系数；H(N)V(N)D(N)则是第N层的高频系数，分别代表水平、数值以及对角线方向的高频系数。

盗两张图表示为：
生成矩阵C为：

S作为储存各层分解系数长度的矩阵，第一行是A(N)的长度（即A(N)原矩阵的行数和列数），第二行是H(N)V(N)D(N)的长度，以此类推最后一行为原图A的长度，所以S是一个N+2×2的矩阵。

搞清楚小波分解函数的参数意义，再去做图像融合就比较简单了。

function y=wtfusion(I1,I2,N,wname)
%函数功能：
%
函数x=wtfusion(I1,I2,N,wname)将两幅原图像I1,I2进行基于小波变换的图像融合，得到融合后的图像y
%
近似分量采用加权平均的融合规则，各细节分量采用基于区域特性量测的融合规则
%输入参数：
%
I1----原图像1
%
I2----原图像2
%
N----小波分解的层数
%
wname----小波基函数
%输出参数：
%
y----原图像融合后得到的图像
%-----------------------------------------------------------------%
I1=double(I1);
%将uint8的图像数据类型转换成double型进行数据处理,这一步考虑的是计算时的精度问题。
I2=double(I2);
%将原图像I1,I2分别进行N层小波分解，wname为小波基函数，
%C为各层分解系数,S为各层分解系数长度,也就是图像的大小.
%S(N+2行2列)的结构是储存各层分解系数长度的,即第一行是A(N)的长度（其实是A(N)的原矩阵的行数和列数）,
%第二行是H(N)|V(N)|D(N)|的长度,第三行是H(N-1)|V(N-1)|D(N-1)的长度,
%倒数第二行是H(1)|V(1)|D(1)长度,最后一行是X的长度(大小)
%对于256×256的原图像而言，进行3层分解得到的S=[32 32；32 32；64 64； 128 128；256 256];
%得到的C大小为1×（256×256）即1×65536；
[C1,S1]=wavedec2(I1,N,wname);
[C2,S2]=wavedec2(I2,N,wname);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%小波分解系数的融合处理规则：采取低频系数取平均值；高频部分基于区域能量的方法；
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
KK=size（C1）;%得到C1矩阵的行、列数值；
coef_fuse = zeros(kk(1),KK(2));%根据建立一个与C1矩阵相同大小的融合系数矩阵；
Temp = zeros(1,2);%创建一个1×2的全0矩阵；
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%进行低频小波系数的融合：取平均值
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
A1=appcoef2(C1,S1,wname,N);
%提取出小波分解的近似分量
A2=appcoef2(C2,S2,wname,N);
A = (A1+A2)/2;%对小波分解得到的低频分量取平均值；
A = reshape(A,1,S1(1,1)*S1(1,2));
coef_fuse(1,1:(S1(1,1)*S1(1,2))) = A;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%进行高频小波系数的融合：基于区域能量
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for i=N:-1:1
[H1,V1,D1]=detcoef2('all',C1,S1,i);
%提取出小波分解的各层细节分量
[H2,V2,D2]=detcoef2('all',C2,S2,i);
H=f(H1,H2); %各层细节分量的融合规则采用基于区域特性量测的融合规则
V=f(V1,V2);
D=f(D1,D2);
h=reshape(H,1,S1(N+2-i,1)*S1(N+2-i,2));%分别将融合后的细节分量转成行向量，并存入行向量coef_fuse中
v=reshape(V,1,S1(N+2-i,1)*S1(N+2-i,2));
d=reshape(D,1,S1(N+2-i,1)*S1(N+2-i,2));
coef_fuse = [A,h,v,d];
end
%进行小波重构得到融合之后的图像
S=S1;
y=waverec2(coef_fuse,S,wname);
%重构原图像
figure(1);imshow(uint8(y));title('基于小波变换的融合图像')
end
function y=f(x1,x2)
%函数功能：
%
y=f(x1,x2)将两幅原图像x1和x2基于区域特性量测的融合规则进行融合,得到融合后的图像y
%
首先计算两幅图像的匹配度，若匹配度大于阈值，说明两幅图像对应局部能量较接近，
%
因此采用加权平均的融合方法；若匹配度小于阈值，说明两幅图像对应局部能量相差较大，
%
因此选取局部区域能量较大的小波系数作为融合图像的小波系数
%输入参数：
%
x1----输入原图像1
%
x2----输入原图像2
%输出参数：
%
y----融合后的图像
%------------------------------------------------------------%
w=1/16*[1 2 1;2 4 2;1 2 1];
%权系数
E1=conv2(x1.^2,w,'same');
%分别计算两幅图像相应分解层上对应局部区域的“能量”
E2=conv2(x2.^2,w,'same');
M=2*conv2(x1.*x2,w,'same')./(E1+E2);%计算两幅图像对应局部区域的匹配度
T=0.7;
%定义匹配阈值,可以自己改变
Wmin=1/2-1/2*((1-M)/(1-T));
Wmax=1-Wmin;
[m,n]=size(M);
for i=1:m
for j=1:n
if M(i,j)<T
%如果匹配度小于匹配阈值，说明两幅图像对应局部区域能量距离较远；
if E1(i,j)>=E2(i,j)
%那么就直接选取区域能量较大的小波系数
y(i,j)=x1(i,j);
else
y(i,j)=x2(i,j);
end
else
%如果匹配度大于匹配阈值，说明两幅图像对应局部区域能量比较接近；
if E1(i,j)>=E2(i,j)
%那么就采用加权的融合算法
y(i,j)=Wmax(i,j)*x1(i,j)+Wmin(i,j)*x2(i,j);
else
y(i,j)=Wmin(i,j)*x1(i,j)+Wmax(i,j)*x2(i,j);
end
end
end
end
end

最后

以上就是怕孤单麦片为你收集整理的基于小波变换的图像融合算法详解的全部内容，希望文章能够帮你解决基于小波变换的图像融合算法详解所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。