使用MATLAB工具wfusimg函数进行图像的融合

x1=imread('cs1.jpg');
x2=imread('cs2.jpg');
x1=double(x1)/256;
x2=double(x2)/256;
xfus=wfusimg(x1,x2,'sym4',5,'max','max');  %使用wfusimg函数进行图像的融合,其实就是把对低频和高频的处理封装了。
figure;

imshow(xfus);

效果:

使用MATLAB工具wfusimg函数进行图像的融合_第1张图片

和上一个方法相比效果要好得多,这是因为分别对低频个高频进行了处理

wfusimg(x1,x2,'sym4',5,'max','max')说明

x1,x2为需要融合的图像,采用小波:sym4,分解为5层,近似信号取两幅图中绝对值最大的值,细节信号取两幅图中绝对值最大值,

可选:max,min,mean,img1,img2,rand.

以下是转载的具体方式:

当然,我们也可以不使用小波工具箱中给出的现成函数,而选择自己动手实现基于小波的图像融合算法。这对我们实际了解该算法是如何进行的大有裨益。下面这段示例程序实现了与前面代码段相同的作用,请读者留意注释说明的部分。另需说明的是,下面这段程序仅仅是为了演示算法实现而编写的,因此并没做异常处理的考虑,我们默认待处理的两幅原始图像的尺寸是一样的。

X1 = imread(‘cathe1.bmp’);

X2 = imread(‘cathe2.bmp’);

M1 = double(X1) / 256;

M2 = double(X2) / 256;

N = 4;

wtype = ‘sym4’;

[c0,s0] = wavedec2(M1, N, wtype);

[c1,s1] = wavedec2(M2, N, wtype);

length = size(c1);

Coef_Fusion = zeros(1,length(2));

%低频系数的处理,取平均值

Coef_Fusion(1:s1(1,1)) = (c0(1:s1(1,1))+c1(1:s1(1,1)))/2;

%处理高频系数,取绝对值大者,这里用到了矩阵乘法

MM1 = c0(s1(1,1)+1:length(2));

MM2 = c1(s1(1,1)+1:length(2));

mm = (abs(MM1)) > (abs(MM2));

Y  = (mm.*MM1) + ((~mm).*MM2);

Coef_Fusion(s1(1,1)+1:length(2)) = Y;

%重构

Y = waverec2(Coef_Fusion,s0,wtype);

imshow(Y,[]);

       上面这段代码中用到了小波重构函数waverec2(),函数waverec2()其实就是wavedec2()的相反过程,该函数的常用语法形式如下:

X = waverec2(C,S,’wname’)

X = waverec2(C,S,Lo_R,Hi_R)

       其中,参数C、S、N和’wname’的意义都与二维小波分解函数wavedec2()中定义的一样,这里不再赘言。Lo_R是重构低通滤波器,Hi_R是重构高通滤波器。

自己修改后的代码:(主要是感觉上面的代码没有把低频部分全部计算进去)

clc;
clear all;
p=imread('12.jpg');
q=imread('21.jpg');
p=double(p)/256;
q=double(q)/256;
imshow(p);
figure;
imshow(q);
figure;
[c1,s1]=wavedec2(p,4,'sym4');
[c2,s2]=wavedec2(q,4,'sym4');
length=length(c1);
hecheng=zeros(1,length);
hecheng(1:s1(1,1)*s1(1,2))=c1(1:s1(1,1)*s1(1,2))+c2(1:s1(1,1)*s1(1,2))/2;
MM1=c1(s1(1,1)*s1(1,2)+1:length);
MM2=c2(s1(1,1)*s1(1,2)+1:length);
mm=(abs(MM1)>abs(MM2));
Y=(mm.*MM1)+(~mm.*MM2);
hecheng(s1(1,1)*s1(1,2)+1:length)=Y;
Y=waverec2(hecheng,s2,'sym4');
imshow(Y);



你可能感兴趣的