CN109886903A - 一种基于灰度中列数参照的多聚焦图像融合方法和系统 - Google Patents
一种基于灰度中列数参照的多聚焦图像融合方法和系统 Download PDFInfo
- Publication number
- CN109886903A CN109886903A CN201910061302.2A CN201910061302A CN109886903A CN 109886903 A CN109886903 A CN 109886903A CN 201910061302 A CN201910061302 A CN 201910061302A CN 109886903 A CN109886903 A CN 109886903A
- Authority
- CN
- China
- Prior art keywords
- image
- source images
- gray
- midrange
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于灰度中列数参照的多聚焦图像融合方法和系统。该方法包括:对配准后的灰度图像A和B,读取每一像素点的灰度值并计算各自图像的灰度中列数,然后根据A和B两幅源图像上每一点像素的灰度值距离源图像灰度中列数的大小来完成图像融合。该方法简单有效融合以后得到的图像具有更多的细节信息,有利于图像的进一步分析、处理与理解,能明显提高融合图像的对比度,同时与传统的图像融合方法相比,也是一种快速融合方法。
Description
技术领域
本发明属于图像处理领域,具体是涉及一种基于灰度中列数参照的多聚焦图像融合方法和系统。
背景技术
普通的可见光成像系统对同一场景的多个物体成像时,由于不同物体的景深可能不同,所以无法获得该场景中每个物体都保持清晰的图像。多聚焦图像融合技术可以将同一场景中聚焦物体不同的多幅源图像进行融合,获取每个源图像的清晰部分,生成一幅全景清晰的图像。融合后的图像利用了多幅图像的有用信息,对场景的描述更加全面准确,因此该技术在多个领域中发挥了重要作用,如机器视觉、目标识别、医疗诊断、遥感信息等。
常用的多聚焦图像融合技术分为基于空间域融合方法和基于变换域融合方法。基于变换域融合方法是将源图像通过一定的变换以获得相对应的频域系数,然后根据不同的融合规则选择频域系数,最后通过反变换获得融合图像。该类方法存在选择方向有限,对噪声敏感等缺陷,并且计算复杂度不利于于实时应用。基于空间域的融合方法是利用一定的方法找到源图像各自聚焦的区域,然后直接选取这些不同的聚焦区域以构成融合图像。
目前应用比较广泛的图像融合方法是基于空间域的简单多传感器图像融合方法。此类方法简单高效,适用于对速率要求高的场合。当前,在传统的像素级图像融合基础上改进的有基于灰度均值的多聚焦图像融合方法,但此方法在求融合图像参考数时,算术运算过多,消耗时间过长,整体效率不高。本发明提供了一种简单,明显提高时间效率,并且具有高对比度,清晰的图像融合方法。
发明内容
本发明的目的提供一种基于灰度中列数参照的多聚焦方法,该方法简单有效,融合以后得到的图像对比度高,图像清晰,具有更多的细节信息,有利于图像的进一步分析、处理与理解,并能明显提高融合过程时间效率。
本发明的技术方案为:
一种基于灰度中列数参照的多聚焦方法,包括以下顺序的步骤:
步骤1:获取两幅配准后的多聚焦源图像A和B,源图像A,B均为灰度图像,其中每张源图像的图像大小都为M像素×N像素;
步骤2:分别读取两幅图像中每一像素的灰度值,记为A(i,j)和B(i,j),其中i和j为图像的行数和列数,1≤i≤M,1≤j≤N;
步骤3:计算A,B两幅源图像各自的灰度中列数,记为m(A)和m(B);
步骤4:根据融合规则确定融合后图像每一像素的灰度值,融合规则为:融合图像F在第i行第j列处取得灰度值为源图像A和B中与各自中列数差值的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择图像B在该处的灰度值;具体公式如下:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数;
步骤5:判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行步骤4,若遍历完,则执行步骤6;
步骤6:输出融合后的图像F。
进一步地,步骤3中计算源图像A和源图像B的灰度中列数所采用的公式为和其中max{A(i,j)}为源图像A中像素灰度值最大数值,min{A(i,j)}为源图像A中像素灰度值最小数值,max{B(i,j)}为源图像B中像素灰度值最大数值,min{B(i,j)}为源图像B中像素灰度值最小数值。
本发明还提供一种基于灰度中列数参照的多聚焦图像融合系统,包括如下模块:
源图像获取模块:用于获取两幅配准后的多聚焦源图像A和B,源图像A,B均为灰度图像,其中每张源图像的图像大小都为M像素×N像素;
灰度读取模块:用于分别读取两幅图像中每一像素的灰度值,记为A(i,j)和B(i,j),其中i和j为图像的行数和列数,1≤i≤M,1≤j≤N;
灰度列数计算模块:用于计算A,B两幅源图像各自的灰度中列数,记为m(A)和m(B);
图像融合模块:用于根据融合规则确定融合后图像每一像素的灰度值,融合规则为:融合图像F在第i行第j列处取得灰度值为源图像A和B中与各自中列数差值的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择图像B在该处的灰度值;具体公式如下:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数;
判断模块:用于判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行图像融合模块,若遍历完,则执行输出模块;
输出模块:用于输出融合后的图像F。
进一步的,所述灰度列数计算模块中计算源图像A和源图像B的灰度中列数所采用的公式为和其中max{A(i,j)}为源图像A中像素灰度值最大数值,min{A(i,j)}为源图像A中像素灰度值最小数值,max{B(i,j)}为源图像B中像素灰度值最大数值,min{B(i,j)}为源图像B中像素灰度值最小数值。
综上所述,本发明的有益效果是:
1.本发明属于像素级的图像融合,融合后得到的图像后得到的图像具有更多的细节信息,如边缘、纹理的提取,有利于图像的进一步分析、处理与理解,同时还能够把潜在的目标暴露出来,利于判断识别潜在的目标像素点的操作,可以尽可能多的保存源图像中的信息;
2.本发明提出一种快速多聚焦图像融合新方法,即根据两幅图上每一点像素的灰度值距离源图像灰度中列数的大小来完成融合,能够对图像进行快速高效的融合,并且可以提高融合图像的清晰度和对比度。
附图说明
图1:本发明融合方法流程图;
图2:为本发明实施例中待融合的(a)源图像A后模糊和(b)源图像B前模糊;
图3:为本发明实施例中融合后的图像,图(a)基于灰度均值的图像融合方法,图(b)基于本发明提供的融合方法。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图和实例对本发明进行详细描述。
请见图1,本发明所采用的技术方案是:一种基于灰度中列数参照的多聚焦图像融合方法,包括以下步骤:
步骤1:读取两张多聚焦源图像A和B,两幅图像均已配准并且源图像A,B都为灰度图像,其中每张源图像的图像大小都为M像素×N像素。
步骤2:分别读取两幅图像中每一像素的灰度值,令A(i,j)为源图像A第i行第j列的灰度值,B(i,j)为源图像B第i行第j列的灰度值,其中i和j为图像像素的行数和列数,1≤i≤M,1≤j≤N。
步骤3:分别计算两张源图像A和B各自的灰度中列数,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数。
计算图像A和B两幅源图像的灰度中列数,采用的公式如下:
上述两式中,max{A(i,j)}表示源图像A中像素灰度值最大数值,min{A(i,j)}表示源图像A中像素灰度值最小数值,max{B(i,j)}表示源图像B中像素灰度值最大数值,min{B(i,j)}表示源图像B中像素灰度值最小数值。
步骤4:根据所提出的融合规则确定融合后图像每一像素的灰度值,采用的规则是通过比较A和B两幅源图像上每一点像素的灰度值距离各自源图像灰度中列数的大小来完成两幅图像的融合,具体公式为:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数,融合后的图像F在第i行第j列处取得灰度值为源图像A和B中离各自中列数的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择B在该处的灰度值。
步骤5:。判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行步骤4,若遍历完,则执行步骤6。
步骤6:输出融合后的图像F。
本发明实施例还提供一种基于灰度中列数参照的多聚焦图像融合系统,包括如下模块:
源图像获取模块:用于获取两幅配准后的多聚焦源图像A和B,源图像A,B均为灰度图像,其中每张源图像的图像大小都为M像素×N像素;
灰度读取模块:用于分别读取两幅图像中每一像素的灰度值,记为A(i,j)和B(i,j),其中i和j为图像的行数和列数,1≤i≤M,1≤j≤N;
灰度列数计算模块:用于计算A,B两幅源图像各自的灰度中列数,记为m(A)和m(B);
图像融合模块:用于根据融合规则确定融合后图像每一像素的灰度值,融合规则为:融合图像F在第i行第j列处取得灰度值为源图像A和B中与各自中列数差值的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择图像B在该处的灰度值;具体公式如下:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数;
判断模块:用于判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行图像融合模块,若遍历完,则执行输出模块;
输出模块:用于输出融合后的图像F。
其中,所述灰度列数计算模块中计算源图像A和源图像B的灰度中列数所采用的公式为和其中max{A(i,j)}为源图像A中像素灰度值最大数值,min{A(i,j)}为源图像A中像素灰度值最小数值,max{B(i,j)}为源图像B中像素灰度值最大数值,min{B(i,j)}为源图像B中像素灰度值最小数值。
以下是发明人提供的实施例,以对本发明的技术方案作进一步解释说明。
遵循本发明的技术方案,该实施例对两幅源图像进行融合处理对两幅源图像进行融合处理,待融合的源灰度图为图2(a)和(b)所示,其中(a)为前聚焦图像,(b)位后聚焦图像,像素大小均相同。现分别用两种融合方法得到融合图像,其中图3(a)和(b)分别为基于灰度均值参照和基于灰度中列数参照的多聚焦图像融合方法,并且对处理后的图像进行了评价,处理结果如表1所示。
表1融合结果客观指标对比结果
信息熵 | 标准差 | 平均梯度 | |
均值参照 | 7.7510 | 71.1764 | 5.0981 |
提出方法 | 7.7443 | 71.2814 | 5.2662 |
由表1可看出,对于信息熵指标,两种方法的差值控制在0.01之间,几乎无差别。标准差表明图像灰度级分散的情况,越大表明图像的反差大,对比度高.所提出的方法比均值方法稍高,能达到更高的对比度。对于平均梯度,又是评价图像清晰程度的指标,所提出的方法平均梯度更大,图像所显示的细节更明显。同时,基于均值的方法需要在遍历整个图像的基础上还要进行大量的数据加法,在大型图像处理中,此方法会大幅度降低效率,本发明所使用的中列数只需进行两次加法,在求参考数时效率明显提高。相比之下,本发明得到的融合图像在质量方面少许提高,但在融合的时间效率上大幅度提高,是一种快速图像融合方法。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,以上仅为本发明的较佳实例而已,并非用于限定本发明的保护范围。本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于灰度中列数参照的多聚焦图像融合方法,其特征在于,该方法包括如下步骤:
步骤1:获取两幅配准后的多聚焦源图像A和B,源图像A,B均为灰度图像,其中每张源图像的图像大小都为M像素×N像素;
步骤2:分别读取两幅图像中每一像素的灰度值,记为A(i,j)和B(i,j),其中i和j为图像的行数和列数,1≤i≤M,1≤j≤N;
步骤3:计算A,B两幅源图像各自的灰度中列数,记为m(A)和m(B);
步骤4:根据融合规则确定融合后图像每一像素的灰度值,融合规则为:融合图像F在第i行第j列处取得灰度值为源图像A和B中与各自中列数差值的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择图像B在该处的灰度值;具体公式如下:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数;
步骤5:判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行步骤4,若遍历完,则执行步骤6;
步骤6:输出融合后的图像F。
2.根据权利要求1所述的一种基于灰度中列数参照的多聚焦图像融合方法,其特征在于:所述步骤3中计算源图像A和源图像B的灰度中列数所采用的公式为和其中max{A(i,j)}为源图像A中像素灰度值最大数值,min{A(i,j)}为源图像A中像素灰度值最小数值,max{B(i,j)}为源图像B中像素灰度值最大数值,min{B(i,j)}为源图像B中像素灰度值最小数值。
3.一种基于灰度中列数参照的多聚焦图像融合系统,其特征在于,包括如下模块:
源图像获取模块:用于获取两幅配准后的多聚焦源图像A和B,源图像A,B均为灰度图像,其中每张源图像的图像大小都为M像素×N像素;
灰度读取模块:用于分别读取两幅图像中每一像素的灰度值,记为A(i,j)和B(i,j),其中i和j为图像的行数和列数,1≤i≤M,1≤j≤N;
灰度列数计算模块:用于计算A,B两幅源图像各自的灰度中列数,记为m(A)和m(B);
图像融合模块:用于根据融合规则确定融合后图像每一像素的灰度值,融合规则为:融合图像F在第i行第j列处取得灰度值为源图像A和B中与各自中列数差值的更大的像素值,即若图像A在某一处的灰度值与图像A的灰度中列数差值大于或等于图像B在对应处的灰度值与图像B的灰度中列数差值,则此处融合后的灰度值取图像A在该处的灰度值,反之,选择图像B在该处的灰度值;具体公式如下:
式中,F(i,j)为融合后图像第i行第j列的灰度值,A(i,j)为源图像A中第i行第j列处的灰度值,B(i,j)为源图像B中第i行第j列处的灰度值,m(A)为源图像A的灰度中列数,m(B)为源图像B的灰度中列数;
判断模块:用于判断是否遍历完图像A和图像B中的所有像素点,若否,则重复执行图像融合模块,若遍历完,则执行输出模块;
输出模块:用于输出融合后的图像F。
4.根据权利要求3所述的一种基于灰度中列数参照的多聚焦图像融合系统,其特征在于:所述灰度列数计算模块中计算源图像A和源图像B的灰度中列数所采用的公式为和其中max{A(i,j)}为源图像A中像素灰度值最大数值,min{A(i,j)}为源图像A中像素灰度值最小数值,max{B(i,j)}为源图像B中像素灰度值最大数值,min{B(i,j)}为源图像B中像素灰度值最小数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910061302.2A CN109886903A (zh) | 2019-01-23 | 2019-01-23 | 一种基于灰度中列数参照的多聚焦图像融合方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910061302.2A CN109886903A (zh) | 2019-01-23 | 2019-01-23 | 一种基于灰度中列数参照的多聚焦图像融合方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886903A true CN109886903A (zh) | 2019-06-14 |
Family
ID=66926567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910061302.2A Pending CN109886903A (zh) | 2019-01-23 | 2019-01-23 | 一种基于灰度中列数参照的多聚焦图像融合方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886903A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379640A (zh) * | 2021-06-25 | 2021-09-10 | 哈尔滨工业大学 | 一种融合边缘信息的多级滤波图像去噪方法 |
CN113469928A (zh) * | 2021-07-09 | 2021-10-01 | 西北核技术研究所 | 基于图像梯度比较的图像融合方法、存储介质及终端设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616274A (zh) * | 2015-02-09 | 2015-05-13 | 内蒙古科技大学 | 一种基于显著性区域提取的多聚焦图像融合算法 |
CN105249944A (zh) * | 2015-10-26 | 2016-01-20 | 深圳市理邦精密仪器股份有限公司 | 用于查房的便携式监护仪的数据记录方法及装置 |
CN106339998A (zh) * | 2016-08-18 | 2017-01-18 | 南京理工大学 | 基于对比度金字塔变换的多聚焦图像融合方法 |
CN108665436A (zh) * | 2018-05-10 | 2018-10-16 | 湖北工业大学 | 一种基于灰度均值参照的多聚焦图像融合方法和系统 |
-
2019
- 2019-01-23 CN CN201910061302.2A patent/CN109886903A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616274A (zh) * | 2015-02-09 | 2015-05-13 | 内蒙古科技大学 | 一种基于显著性区域提取的多聚焦图像融合算法 |
CN105249944A (zh) * | 2015-10-26 | 2016-01-20 | 深圳市理邦精密仪器股份有限公司 | 用于查房的便携式监护仪的数据记录方法及装置 |
CN106339998A (zh) * | 2016-08-18 | 2017-01-18 | 南京理工大学 | 基于对比度金字塔变换的多聚焦图像融合方法 |
CN108665436A (zh) * | 2018-05-10 | 2018-10-16 | 湖北工业大学 | 一种基于灰度均值参照的多聚焦图像融合方法和系统 |
Non-Patent Citations (1)
Title |
---|
中华人民共和国国家质量监督检验检疫总局中国国家标准化管理委员会: "《统计学词汇及符号第1部分:一般统计术语与用于概率的术语》", 31 January 2010 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113379640A (zh) * | 2021-06-25 | 2021-09-10 | 哈尔滨工业大学 | 一种融合边缘信息的多级滤波图像去噪方法 |
CN113469928A (zh) * | 2021-07-09 | 2021-10-01 | 西北核技术研究所 | 基于图像梯度比较的图像融合方法、存储介质及终端设备 |
CN113469928B (zh) * | 2021-07-09 | 2023-06-20 | 西北核技术研究所 | 基于图像梯度比较的图像融合方法、存储介质及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5048600B2 (ja) | データ品位を向上する方法及びシステム | |
CN106548462B (zh) | 基于薄板样条插值的非线性sar图像几何校正方法 | |
CN110633651B (zh) | 一种基于图像拼接的异常细胞自动识别方法 | |
CN103996201A (zh) | 一种基于改进梯度和自适应窗口的立体匹配方法 | |
CN109034017A (zh) | 头部姿态估计方法及机器可读存储介质 | |
JP2013531268A (ja) | 符号化開口を使用した距離の測定 | |
CN113298830B (zh) | 一种基于自监督的急性颅内ich区域图像分割方法 | |
CN114549470B (zh) | 基于卷积神经网络和多粒度注意力的手骨关键性区域获取方法 | |
CN108665436A (zh) | 一种基于灰度均值参照的多聚焦图像融合方法和系统 | |
CN109886903A (zh) | 一种基于灰度中列数参照的多聚焦图像融合方法和系统 | |
CN103824294A (zh) | 一种电子断层图像序列对位方法 | |
CN108596032B (zh) | 一种视频中打架行为检测方法、装置、设备及介质 | |
CN111080676B (zh) | 一种通过在线分类跟踪内窥镜图像序列特征点的方法 | |
CN107368817B (zh) | 人脸识别方法和装置 | |
CN112465778A (zh) | 一种水下鱼群观测装置及方法 | |
Kurmi et al. | Pose error reduction for focus enhancement in thermal synthetic aperture visualization | |
CN110084805B (zh) | Fov参数设定方法、装置及图像处理设备 | |
CN111951339A (zh) | 利用异构双目相机进行视差计算的图像处理方法 | |
JP2019091122A (ja) | デプスマップフィルタ処理装置、デプスマップフィルタ処理方法及びプログラム | |
Chicherova et al. | Automatic deformable registration of histological slides to μCT volume data | |
CN106600615A (zh) | 一种图像边缘检测算法评价系统及方法 | |
Zheng et al. | Overwater image dehazing via cycle-consistent generative adversarial network | |
CN112633113A (zh) | 跨摄像头的人脸活体检测方法及系统 | |
DE112014002943T5 (de) | Verfahren zur Registrierung von Daten unter Verwendung eines Satzes von Grundelementen | |
CN111915735A (zh) | 一种针对视频中三维结构轮廓的深度优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |