高斯拉普拉斯 java_基于能量匹配的高斯金字塔与拉普拉斯金字塔图像融合

本文介绍了如何使用局部能量匹配的融合方法来增强图像,特别是针对一张脸部模糊、另一张非脸部区域模糊的图片。通过拉普拉斯金字塔保留高频信息,结合高斯金字塔,对图像进行能量特征分析,提取能量最强的区域进行融合。通过匹配度计算权重,并实现融合代码,最后展示了实验结果和完整的MATLAB及Python代码。
摘要由CSDN通过智能技术生成

利用拉普拉斯对高频信息的保留,重建出原始图像

操作过程如下

dfcbb09d456c42e16b145bd96553f407.png

对于两张图像

ca0996c5cbd98c108046832f46de11f5.png

95dcceacd6aa988da322a97734898393.png

可以看到两张同样的图片一个脸部模糊一个除了脸其他地方模糊,现在我们需要通过局部能量匹配的融合方法对图像进行增强,即基于能量特征重建

通过一个简单的二阶差分可以看到两幅图边缘差异,即一个脸部模糊一个除了脸其他地方模糊

038f1c004d967101c93340f90d3b58c8.png

所谓能量就是二阶差分的边缘像素强度,融合过程中对不同尺度上的两幅图提取能量最强的区域进行融合。

能量匹配过程如下步骤:

7df933e7069e1045ab96c1588cdc9c06.png

若该点匹配度M

若该点匹配度M>e,则根据能量大小分配权重,能量小的权重为

74e637e8de8536538d8e5ca396da7a52.png

能量大的权重为

ae7daa7bff2dea1b3d06da801be4145f.png

融合代码为

E1 = imfilter(F11.^2, f, 'replicate');%计算能量

E2 = imfilter(F12.^2, f, 'replicate');

M = imfilter(F11.*F12, f, 'replicate').^2./(E1.*E2);%计算匹配度

F11(E1

W_min = 0.5*(1 - (1-M)./(1-e));%计算权重

W_max = 1 - W_min;

F21 = W_min.*pyr1{i}+W_max.*pyr2{i};

F22 = W_min.*pyr2{i}+W_max.*pyr1{i};

F21(E1>E2) = F22(E1>E2);%匹配度高时

F11(M>e) = F21(M>e);%按匹配度计算

试验结果:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值