1、算法原理如下:
(1)、首先建立两幅图像高斯金字塔,然后建立一定层数的拉普拉斯金字塔。拉普拉斯金字塔的层数越高,融合效果越好。层数N作为一个参数。
(2)、传入一个mask掩膜,代表了融合的位置。比如说想在两图的中间进行融合,那么掩膜图像的左半为255,右半为0,反过来是一样的。根据这个mask建立一个高斯金字塔,用于后续融合,层数为N+1。
(3)、根据mask将两幅图像的拉普拉斯金字塔的图像进行相加,mask为权值。相加的结果即为一个新的金字塔。同时,两幅图像的高斯金字塔的N+1层也进行这个操作,记这个图像为IMG1。
(4)、根据这个新的金字塔重建出最终的图像,重建的过程跟一般的拉普拉斯金字塔一样。首先对IMG1上采样,然后跟新金字塔的顶层相加,得到IMG2。IMG2进行上采样后跟下一层相加,得到IMG3。重复这个过程,最终得到的结果就是拉普拉斯金字塔融合算法的结果。因为mask建立金字塔的过程中使用了高斯模糊,所以融合的边缘是比较平滑的。
2、算法实现(QT + halcon)
#include <vector>
#include <iostream>
#include "HalconCpp.h"
using namespace std;
class LaplacianBlending
{
public: //construct function, used in LaplacianBlending lb(l,r,m,4);
LaplacianBlending(const HImage &_hLeft, const HImage &_hRight, const HImage &_hBlendMask1, const HImage &_hBlendMask2, int _iLevels) :
m_hLeft(_hLeft), m_hRight(_hRight), m_hBlend1(_hBlendMask1), m_hBlend2(_hBlendMask2), m_iLevels(_iLevels)
{
//确保融合的两图大小必须一致
Hlong h1 = 0, w1 = 0;
Hlong h2 = 0, w2 = 0;
Hlong h3 = 0, w3 = 0;
_hLeft.GetImageSize(&h1, &w1);
_hRight.GetImageSize(&h2, &w2);
_hBlendMask1.GetImageSize(&h3, &w3);
if ((h1 != h2 && w1 != w2) || (h1 != h3 && w1 != w3)) return;
//创建拉普拉斯金字塔和高斯金字塔
buildPyramids();
//每层金字塔图像合并为一个
blendLapPyrs();
}
HImage blend()
{
//重建拉普拉斯金字塔
return reconstructImgFromLapPyramid();
}
private:
void buildPyramids()
{
buildLaplacianPyramid(m_hLeft, m_vLeftLapPyr, m_LeftHighestLevel);
buildLaplacianPyramid(m_hRight, m_vRightLapPyr, m_RightHighestLevel);
buildGaussianPyramid();
}
void buildGaussianPyramid()
{
//金字塔内容为每一层的掩模
m_vMaskGaussianPy