小波模极大值用于图像融合

% 小波模极大值用于图像融合

clc;clear
X1=imread('lena64.bmp');
X1=imresize(X1,[184 184]);
I1=(X1); %把彩色图像转换为灰度图像
figure(1);
subplot(131);imshow(I1); %显示图像1
title('MRI');
X2=imread('21.jpg');
X2=imresize(X2,[184 184]);
I2=rgb2gray(X2/2); %把彩色图像转换为灰度图像
subplot(132);imshow(I2); %显示图像2
title('CT');

I11=im2double(I1);
I22=im2double(I2);

n=1;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%小波系数分解得到各个频率分量系数
[c1,s1]=wavedec2(I11,n,'db4');
[c2,s2]=wavedec2(I22,n,'db4');
% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%对第一幅图像（MRI）的处理：
% [h11,v11,d11]=detcoef2('all',c1,s1,1);%提取第一层二维小波分解的细节分量（高频系数）
% [h12,v12,d12]=detcoef2('all',c1,s1,2);%提取第二层二维小波分解的细节分量（高频系数）
% [h13,v13,d13]=detcoef2('all',c1,s1,1);%提取第三层二维小波分解的细节分量（高频系数）
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%第二幅图像（CT）的处理：
% [h21,v21,d21]=detcoef2('all',c2,s2,1);%提取第一层二维小波分解的细节分量（高频系数）
% [h22,v22,d22]=detcoef2('all',c2,s2,2);
[h23,v23,d23]=detcoef2('all',c2,s2,1);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%提取最高层（第三层）的低频系数
a31=appcoef2(c1,s1,'db4',1);%提取多层二维小波分解的近似分量（低频系数）
a32=appcoef2(c2,s2,'db4',1);%

A3=(a31+a32);

X=I22;
[SIZEX,SIZEY]=size(X); % 图像尺寸

% 多尺度
m=1.0;
delta=2^m;
% 构造高斯函数的偏导
N=20; % 滤波器长度（需要调整，必须是偶数）
A=-1/sqrt(2*pi); % 幅度
for index_x=1:N;
for index_y=1:N;
x=index_x-(N+1)/2;
y=index_y-(N+1)/2;
phi_x(index_x,index_y)=A*(x/delta^2).*exp(-(x.*x+y.*y)/(2*delta^2));
phi_y(index_x,index_y)=A*(y/delta^2).*exp(-(x.*x+y.*y)/(2*delta^2));
end
end;
phi_x=phi_x/norm(phi_x); % 能量归一化
phi_y=phi_y/norm(phi_y); % 能量归一化
% 对图象做行列卷积
Gx=conv2(X,phi_x,'same');
Gy=conv2(X,phi_y,'same');
% 求梯度
Grads=sqrt((Gx*Gx)+(Gy*Gy));
% 求幅角（梯度方向）
angle_array=zeros(SIZEX,SIZEY); % 角度
% 遍历
for i=1:SIZEX;
for j=1:SIZEY
if (abs(Gx(i,j))>eps*100) % x的绝对值足够大
p=atan(Gy(i,j)/Gx(i,j))*180/pi; % 反正切求角度值(1,4象限)
if (p<0) % 负的幅角（4象限）
p=p+360;
end;
if (Gx(i,j)<0 & p>180) % 2象限的特殊处理
p=p-180;
elseif (Gx(i,j)<0 & p<180) % 3象限的特殊处理
p=p+180;
end
else % 90或270度
p=90;
end
angle_array(i,j)=p; % 幅角赋值
end
end;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%对CT边缘图像梯度幅值进行小波分解
n=1
[c4,s4]=wavedec2(Grads,n,'db4');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%只需提取高频系数
% [h41,v41,d41]=detcoef2('all',c4,s4,1);%提取第一层二维小波分解的细节分量（高频系数）
% [h42,v42,d42]=detcoef2('all',c4,s4,2);%提取第二层二维小波分解的细节分量（高频系数）
[h43,v43,d43]=detcoef2('all',c4,s4,1);%提取第三层二维小波分解的细节分量（高频系数）

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%对CT边缘图像角度进行小波分解
n=1
[c5,s5]=wavedec2(angle_array,n,'db4');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%只需提取高频系数
% [h51,v51,d51]=detcoef2('all',c5,s5,1);%提取第一层二维小波分解的细节分量（高频系数）
% [h52,v52,d52]=detcoef2('all',c5,s5,2);%提取第二层二维小波分解的细节分量（高频系数）
[h53,v53,d53]=detcoef2('all',c5,s5,1);%提取第三层二维小波分解的细节分量（高频系数）

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%角度检测
%%%%%%%%第三层水平系数的检测其中H3(i,j)为融合后第一层小波系数的水平分量
%%%通过角度值确定幅度值的方向，再与相邻两点值比较，取最大那个值对应的CT原图小波系数作为融合后该点的小波系数
%%%h53是角度的水平分量，h43是幅度的水平分量
[SIZEX,SIZEY]=size(h53);
H3=h23;
for i=2:SIZEX-1
for j=2:SIZEY-1
if ((h53(i,j)>=(-22.5) & h53(i,j)<=22.5) | ...
(h53(i,j)>=(180-22.5) & h53(i,j)<=(180+22.5))) % 0/180
if (h43(i,j)>h43(i+1,j) & h43(i,j)>h43(i-1,j))
H3(i,j)=h23(i,j);
elseif h43(i+1,j)>h43(i-1,j)
H3(i,j)=h23(i+1,j);
else
H3(i,j)=h23(i-1,j);
end

elseif ((h53(i,j)>=(90-22.5) & h53(i,j)<=(90+22.5)) | ...
(h53(i,j)>=(270-22.5) & h53(i,j)<=(270+22.5))) % 90/270
if (h43(i,j)>h43(i,j+1) & h43(i,j)>h43(i,j-1))
H3(i,j)=h23(i,j);
elseif h43(i,j+1)>h43(i,j-1)
H3(i,j)=h23(i,j+1);
else
H3(i,j)=h23(i,j-1);
end

elseif ((h53(i,j)>=(45-22.5) & h53(i,j)<=(45+22.5)) | ...
(h53(i,j)>=(225-22.5) & h53(i,j)<=(225+22.5))) % 45/225
if (h43(i,j)>h43(i+1,j+1) & h43(i,j)>h43(i-1,j-1))
H3(i,j)=h23(i,j);
elseif h43(i+1,j+1)>h43(i-1,j-1)
H3(i,j)=h23(i+1,j+1);
else
H3(i,j)=h23(i-1,j-1);
end

else % 135/215
if (h43(i,j)>h43(i+1,j-1) & h43(i,j)>h43(i-1,j+1))
H3(i,j)=h23(i,j);
elseif h43(i+1,j-1)>h43(i-1,j+1)
H3(i,j)=h23(i+1,j-1);
else
H3(i,j)=h23(i-1,j+1);
end

end
end
end

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

D-20

小波模极大值用于图像融合相关推荐

第 11 章基于小波技术进行图像融合--MATLAB人工智能深度学习模块
matlab实现基于小波技术进行图像融合–人工智能深度学习模块该案例相对简单.实现程序 % MAINFORM MATLAB code for MainForm.fig % MAINFORM, by ...
小波模极大值 matlab,Matlab程序关于小波模极大值
哪位好心人能提供求模极大值的matlab程序呀?谢谢下面这个是我从网上找到的,但运行后总说未定义函数wave_peak points=406; level=3; sr=360; num_inter= ...
【数字信号去噪】基于matlab改进的小波模极大值数字信号去躁【含Matlab源码 1710期】
⛄一.小波阈值法去噪概述电能质量扰动信号的噪声大多以高斯白噪声的形式存在,利用小波变换对信号进行多分辨率分解,由于小波变换具有去除数据相关性的特点,故可以将有用信号与噪声的能量分离开来.信号中有效的 ...
小波在图像融合中的应用
小波应用于图像融合图像融合是综合两幅或者多幅图像的信息,以获得对同一场景更为准确.更为全面.更为可靠的图像描述. 1.在融合前对图像进行预处理,去除噪声. 2.对ImageA和ImageB进行DWT ...
图像融合（Image Fusion）
图像融合(Image Fusion) 是用特定的算法将两幅或多幅图像综合成一幅新的图像.融合结果由于能利用两幅(或多幅) 图像在时空上的相关性及信息上的互补性,并使得融合后得到的图像对场景有更全面.清 ...
图像融合论文及代码网址整理总结（1）——多聚焦图像融合
写在前面的话: 本篇博文主要整理汇总一下现有的多聚焦图像融合算法(文章和代码).适当地,也会整理出相关作者的学术主页.整理这些的初衷,是为了方便自己,顺便也给同领域的研究者在找代码等方面提供些许便利. ...
【图像融合学习笔记001】图像融合论文及代码网址整理总结（1）——多聚焦图像融合
写在前面的话: 本篇博文主要整理汇总一下现有的多聚焦图像融合算法(文章和代码).适当地,也会整理出相关作者的学术主页.整理这些的初衷,是为了方便自己,顺便也给同领域的研究者在找代码等方面提供些许便利. ...
代码马佳义_【图像融合学习笔记002】图像融合论文及代码网址整理总结（2）——红外与可见光图像融合...
写在前面的话: 本篇博文主要整理汇总一下现有的红外与可见光图像融合算法(文章和代码).适当地,也会整理出作者的学术主页.整理这些的初衷,是为了方便自己,顺便也给同领域的研究者在找代码等方面提供些许便利 ...
红外和可见光图像融合论文及代码整理
红外和可见光图像融合论文及代码整理 News [2022-07-29] 我们的综述论文<基于深度学习的图像融合方法综述>被<中国图象图形学报>正式接收![论文下载] 本篇博文在 ...

小波模极大值用于图像融合

小波模极大值用于图像融合相关推荐

最新文章

热门文章