基于DCT变换的多焦点图像融合算法详解

创作时间:

作者:

@小白创作中心

基于DCT变换的多焦点图像融合算法详解

引用

CSDN

https://m.blog.csdn.net/Matlab912100926/article/details/138301089

基于DCT变换的图像融合算法是一种常用的图像处理技术，通过提取和融合图像的低频和高频系数，可以实现多焦点图像的有效融合。本文将详细介绍该算法的原理、步骤及其在Matlab中的实现方法。

基于DCT变换的图像融合算法简介

在图像融合过程中，最主要的就是如何提取低高频系数以及低高频系数的融合准则。基于DCT变换的图像融合算法原理如图2所示。

算法步骤如下：

精确配准待融合的源图像。
采用分块的方法将参与融合的每幅大小为M×N的源图像分别分成m×m个小块。
对步骤2中得到的小块都进行DCT变换。
对通过DCT变换的小块分别提取低频系数和高频系数，并对相应位置的低高频系数根据低高频融合准则进行融合。
对已融合的DCT系数进行IDCT，最终得到融合图像。

低频系数融合

对视觉最重要的信息部分，都集中在图像的低频。低频代表图像像素之间慢变化，即图像框架部分[11]。为了保持图像的可视性，保留图像的低频部分，低频部分的改变有可能引起图像较大的变动。基于DCT变换的融合图像的低频系数采用平均法，假设有p幅多曝光图像，可定义为

式中Gk(i,j)是源图像经DCT变换后提取的低频系数；G(i,j)为融合后的低频系数；wk是权重因子。

高频系数融合

高频系数对应于图像的细节信息，如边缘等特征。高频系数的融合规则如下。

(1)分块后的图像经DCT变换后，提取它的高频系数。

分别计算高频系数D(i,j)以像素点(i,j)为中心的(2k+1)×(2k+1)邻域内的图像标准差表达式为

(2)记p幅多曝光图像的某高频系数的区域标准差分别为[C1(i,j),C2(i,j),…,Cp(i,j)],则提取的高频系数对应的权重系数为

(3)由式(7)可以得出p幅多曝光图像的权重，对它们进行比较，融合后的高频系数D(i,j)为最大的权重系数所对应的高频系数。如果

那么

部分源代码

clc  
clear  
close all  
%Select First Image  
disp('Please Select First Image:')  
[filename, pathname]= uigetfile({'*.jpg;*.png;*.tif'},'Select First Image');  
path=fullfile(pathname, filename);  
im1=imread(path);  
disp('Great! First Image is selected')  
%Select Second Image  
disp('Please Select Second Image:')  
[filename, pathname]= uigetfile({'*.jpg;*.png;*.tif'},'Select Second Image');  
path=fullfile(pathname, filename);  
im2=imread(path);  
disp('Great! Second Image is selected')  
if size(im1,3) == 3 % Check if the images are grayscale  
im1 = rgb2gray(im1);  
end  
if size(im2,3) == 3  
im2 = rgb2gray(im2);  
end  
if size(im1) ~= size(im2) % Check if the input images are of the same size  
error('Size of the source images must be the same!')  
end