医学图像融合------基于小波分解的CT图和MRI图高低频分解融合

目录

１、概述

ct/mri融合是现代医学中的图像信号融合中最为常见的一种融合模式。ct颅脑图像的组织密度大和分辨率高,显示人体骨质清晰;而mri的颅脑软组织密度分辨率好,对人体颅脑组织结构信息显示得更加清晰。如何同时利用好两种图像优势，帮助医生快速诊断，是目前医学界研究热点之一。

本文介绍一种基于小波分解的CT和和MRI图融合方法

２、原理

图像融合框架如下图所示，

首先将图像分别进行小波变换，即利用小波金字塔算法将空间域上已经配准止之后的两幅图像分别变换到小波域；其次，根据需要选择不同的融合规则，常见的图像融合方法有加权平均法、局部方差法、局部能量法、PCA方法等等。最后根据融合规则分别将不同金字塔的小波图像进行融合，再利用逆变换将其变换回空域即可实现CT图和MRI的图像融合。

３、基于领域方差以及局部梯度方差的图像融合算法

 一层小波分解，低频采用邻域加权方差融合，高频采用基于局部梯度信息的融合算法

matlab代码：

close all;                  %关闭当前所有图形窗口，清空工作空间变量，清除工作空间所有变量
clear all;
clc;
X=imread('1.PNG');
X=rgb2gray(X);
Y=imread('2.PNG');
Y=rgb2gray(Y);
img_mask=(X);
figure;
subplot(121);imshow(img_mask);title("CT");
subplot(122);imshow(Y);title("MRI");
[CA,CH,CV,CD]=dwt2(X,'haar');%一层小波分解二维图像信号 
[ca,ch,cv,cd]=dwt2(Y,'haar');
%%
%第一层小波融合高频，邻域方差加权平均
CH_fuse=fuse_variance(CH,ch);
CV_fuse=fuse_variance(CV,cv);
CD_fuse=fuse_variance(CD,cd);
%第一层小波融合低频，局部梯度信息
CA_fuse=diff_local(CA,ca);

%逆变换恢复
result_fuse_1=idwt2(CA_fuse,CH_fuse,CV_fuse,CD_fuse,'haar');%一层小波分解二维图像信号 
% result_fuse=idwt2(CA,CH,CV,CD,'haar');%一层小波分解二维图像信号 
figure;
subplot(2,3,1),imshow(CH_fuse,[]),title('CH\_fuse');
subplot(2,3,2),imshow(CV_fuse,[]),title('CV\_fuse');
subplot(2,3,3),imshow(CD_fuse,[]),title('CD\_fuse');
subplot(2,3,4),imshow(CA_fuse,[]),title('CA\_fuse');
subplot(2,3,5),imshow(result_fuse_1,[]),title('reconstruct');