CN111709904B - 一种图像融合方法及装置 - Google Patents

一种图像融合方法及装置 Download PDF

Info

Publication number
CN111709904B
CN111709904B CN202010460793.0A CN202010460793A CN111709904B CN 111709904 B CN111709904 B CN 111709904B CN 202010460793 A CN202010460793 A CN 202010460793A CN 111709904 B CN111709904 B CN 111709904B
Authority
CN
China
Prior art keywords
pyramid
image
images
fusion
laplacian
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.)
Active
Application number
CN202010460793.0A
Other languages
English (en)
Other versions
CN111709904A (zh
Inventor
童佳文
何旋
杨祥勇
乔丽静
苗应亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Maxvision Technology Corp
Original Assignee
Maxvision Technology Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Maxvision Technology Corp filed Critical Maxvision Technology Corp
Priority to CN202010460793.0A priority Critical patent/CN111709904B/zh
Publication of CN111709904A publication Critical patent/CN111709904A/zh
Application granted granted Critical
Publication of CN111709904B publication Critical patent/CN111709904B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种图像融合方法及装置，所述方法包括：分别计算两幅图像中各个像素点的融合系数，并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；分别计算两幅图像的拉普拉斯金字塔；根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；根据融合后的拉普拉斯金字塔重构出融合后的图像。本发明的技术方案具有图像融合效果好且算法简单的优点。

Description

一种图像融合方法及装置
技术领域
本发明涉及摄像领域，尤其涉及一种图像融合方法及装置。
背景技术
摄像技术被广泛的应用于各个领域。为提高拍摄图像的清晰度，在很多摄像装置中，采用两个摄像头分别对图像进行拍摄，然后将两个摄像头拍摄的图像进行融合，从而得到更清晰的照片。
然而，在现有的图像融合方案中，采用简单的融合算法会导致图像融合效果不佳，而采用复杂的算法虽然可以提高图像融合的效果，但是会导致融合运算时间长，无法满足摄像装置实时输出图像的要求。
发明内容
本发明的目的在于提供了一种图像融合效果好且算法简单的图像融合方法及装置。
本发明实施例中，提供了一种图像融合方法，其包括：
分别计算两幅图像中各个像素点的融合系数，并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
分别计算两幅图像的拉普拉斯金字塔；
根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
根据融合后的拉普拉斯金字塔重构出融合后的图像。
本发明实施例中，两幅图像中各个像素点的融合系数的计算方式如下：
G1(i)＝W1(i)/(W1(i)+W2(i))；
G2(i)＝W2(i)/(W1(i)+W2(i))；
W(i)＝C(i)*S(i)；
其中，W(i)表示图像第i个像素点的权重值，C(i)表示图像第i个像素点对比度值，S(i)表示图像第i个像素点的饱和度值，W1(i)，W2(i)分别表示两幅图像中第i个像素点的的权重值，G1(i)，G2(i)分别表示两幅图像中第i个像素点的融合系数。
本发明实施例中，采用如下公式对两幅图像的拉普拉斯金字塔进行融合：
Ln＝LPn(1)*Gn(W1)+LPn(2)*Gn(W2)，
其中：Ln表示融合后的拉普拉斯金字塔，n表示金字塔的层数，LPn(1)表示第一幅图像的拉普拉斯金字塔，LPn(2)表示第二幅图像的拉普拉斯金字塔，Gn(W1)表示第一幅图像的融合系数的高斯金字塔，Gn(W2)表示第二幅图像的融合系数的高斯金字塔。
本发明实施例中，根据融合后的拉普拉斯金字塔重构出融合后的图像，包括：
根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔；
将推导出的高斯金字塔首层的数据作为融合后的图像数据。
本发明实施例中，根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔的公式如下：
当n＝N时，GN＝LPN；
当0≤n<N时，Gn＝LPn+G* n+1,
其中，Gn表示第n层高斯金字塔数据，LPn表示第n层拉普拉斯金字塔数据，N表示金字塔顶层的层数，G* n+1表示第n+1层高斯金字塔进行上采样得到的数据。
本发明实施例中，所述的图像融合方法，还包括：
根据图像的质量对高斯金字塔和拉普拉斯金字塔的层数进行设置。
本发明实施例中，采用如下方式生成输入图像的高斯金字塔：
G(n)＝F下采样(G(n-1))，
其中，n为整数，且n>≥0,G(n)表示高斯金字塔的第n层数据,且当n＝0时，G(0)为输入图像数据，F下采样(G(n-1))表示对第n-1层高斯金字塔的数据进行卷积和上采样操作。
本发明实施例中，采用如下方式生成输入图像的拉普拉斯金字塔：
LP(n)＝G(n)–F上采样(G(n+1))，
其中，n为整数，且n>≥0，LP(n)表示拉普拉斯金字塔的第n层数据，G(n)表示输入图像的高斯金字塔的第i层数据，F上采样(G(n+1))表示对第n+1层高斯金字塔的数据进行卷积和上采样处理。
本发明实施例中，还提供了一种图像融合装置，其包括：
融合系数计算模块，用于分别计算两幅图像中各个像素点的融合系数；
高斯金字塔生成模块，用于根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
拉普拉斯金字塔生成模块，用于分别计算两幅图像的拉普拉斯金字塔；
图像融合模块，用于根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
图像重构模块，用于根据融合后的拉普拉斯金字塔重构出融合后的图像。
图像重构模块，用于根据融合后的拉普拉斯金字塔重构出融合后的图像。
本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面所提供的图像融合方法的步骤。
与现有技术相比较，采用本发明的图像融合方法及装置，分别两幅图像的拉普拉斯金字塔和两幅图像的融合系数高斯金字塔，根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔，然后根据融合后的拉普拉斯金字塔重构出融合后的图像，算法简单且图像融合的效果好。
附图说明
图1是本发明实施例提供的图像融合方法的流程图。
图2是本发明实施例提供的图像融合方法的图像融合过程得到的图像的示意图。
图3是本发明实施例提供的生成拉普拉斯金字塔的示意图。
图4是本发明实施例提供的根据融合后拉普拉斯金字塔重构图像的示意图。
图5是本发明本发明实施例提供的图像融合方法的流程图。
图6是本发明实施例提供的图像融合装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优像素点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的实现进行详细描述。
图1是本发明实施例提供的图像融合方法的流程图，图2是所述图像融合方法的图像融合过程得到的图像的示意图，所述方法包括：
S1、分别计算两幅图像中各个像素点的融合系数；
S2、并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
S3、分别计算两幅图像的拉普拉斯金字塔；
S4、根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
S5、根据融合后的拉普拉斯金字塔重构出融合后的图像。具体的，在步骤S1中，分别计算两幅图像中各个像素点的融合系数，计算公式如下：
G1(i)＝W1(i)/(W1(i)+W2(i))；
G2(i)＝W2(i)/(W1(i)+W2(i))；
W(i)＝C(i)*S(i)；
其中，W(i)表示图像第i个像素点的权重值，C(i)表示图像第i个像素点对比度值，S(i)表示图像第i个像素点的饱和度值，W1(i)，W2(i)分别表示两幅图像中第i个像素点的的权重值，G1(i)，G2(i)分别表示两幅图像中第i个像素点的融合系数。
需要说明的是，用于融合的两幅图像可以是一个摄像头拍摄的两幅图像，也可以是两个摄像头分别拍摄的图像，这两幅图像具有相同的规格尺寸。对比度和饱和度越高的地方，信息量越多，因此，需要计算每个像素点的对比度和饱和度，以用于计算图像融合系数。
进行对比度计算时，需要先对每个图像进行灰度处理生成灰度图像，然后对灰度图像进行卷积处理，并取滤波器响应的绝对值，从而得到图像中每个像素点的对比度。
计算饱和度的方式如下：
首先，计算像素平均值M＝(R+G+B)/3；
然后，计算饱和度对应的索引index＝((R-M)2+(G-M)2+(B-M)2)/3；
最后，通过查表的方式得到索引index对应的饱和度值。
在得到两幅图像中每个像素点的融合系数后，这些融合系数可以分别形成两个融合系数图像，可以根据这两个融合系数图像来得到两幅图像的融合系数高斯金字塔。
在步骤S2中，采用如下方式生成输入图像的高斯金字塔：
G(n)＝F下采样(G(n-1))，
其中，n为整数，且n>≥0,G(n)表示高斯金字塔的第n层数据,且当n＝0时，G(0)为输入图像数据，F下采样(G(n-1))表示对第n-1层高斯金字塔的数据进行卷积和上采样操作。
具体地，首先将原图像作为最底层图像G0(高斯金字塔的第0层)，利用高斯核(3*3)对其进行卷积，然后对卷积后的图像进行下采样得到上一层图像G1，将此图像作为输入，重复卷积和下采样操作得到更上一层图像，反复迭代多次，形成一个金字塔形的图像数据结构，即高斯金字塔。
由G0，G1，，，GN，就构成了一个高斯金字塔，其中G0为高斯金字塔的底层(与原图像相同)GN为金字塔的顶层。由此可见高斯金字塔的当前层图像就是对其前一层图像首先进行高斯低通滤波，然后再进行隔行和隔列的降2采样而生成的。前一层图像大小依次为当前层图像大小的4倍。
卷积运算及下采样的过程示例如下：
卷积运算系数如下：
{1,2,1,
2,4,2,
1,2,1}；
先对图像数据进行卷积运算,运算结果取值范围为[0,255]。
再进行抽样取值,假设原始图片宽高分别为W、H，则抽样后的图片宽高
NW＝(W+1)/2
NH＝(H+1)/2
抽样后的图像数据(x,y)＝原始图像数据(x*2,y*2)x＝0…NW-1,y＝0…NH-1(括号内表示像素坐标位置)
卷积后的图像示例如下所示
V00 V01 V02 V03 V04
V10 V11 V12 V13 V14
V20 V21 V22 V23 V24
V30 V31 V31 V33 V34
V40 V41 V41 V43 V44
抽样后的图像如下
V00 V02 V04
V20 V22 V24
V40 V41 V44
在步骤S3中，采用如下方式生成输入图像的拉普拉斯金字塔：
LP(n)＝G(n)–F上采样(G(n+1))，
其中，n为整数，且n>≥0，LP(n)表示拉普拉斯金字塔的第n层数据，G(n)表示输入图像的高斯金字塔的第i层数据，F上采样(G(n+1))表示对第n+1层高斯金字塔的数据进行卷积和上采样处理。
需要说明的是，在高斯金字塔的运算过程中，图像经过卷积和下采样操作会丢失部分高频细节信息。为描述这些高频信息，定义了拉普拉斯金字塔。用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像，得到一系列的差值图像即为拉普拉斯金字塔分解图像。
卷积及上采样的步骤示例如下：
卷积运算系数如下：
{1,2,1,
2,4,2,
1,2,1}；
A、先将原始图片(宽W,高H)放大至需要的大小(宽NW,高NH),放大后的图像数据(2x,2y)＝原始图像数据(x,y)x＝0…W-1,y＝0…H-1，x,y)表示像素坐标位置，没有赋值的地方值设置为0；
B、对上述放大后的图像做卷积运算；
C、计算得到的卷积值*4得到最终计算结果。
如图3所示，假设N为拉普拉斯金字塔顶层的层号，LPl是拉普拉斯金字塔分解的第l层图像。由LP0，LP1、LP2…LPN构成的金字塔即为拉普拉斯金字塔。它的每一层L0图像是高斯金字塔本层G0图像与其高一层图像G1经内插放大后图像*G1的差，此过程相当于带通滤波，因此拉普拉斯金字塔又称为带通金字塔分解。
步骤S4中，采用如下公式对两幅图像的拉普拉斯金字塔进行融合：
Ln＝LPn(1)*Gn(W1)+LPn(2)*Gn(W2)，
其中：Ln表示融合后的拉普拉斯金字塔，n表示金字塔的层数，LPn(1)表示第一幅图像的拉普拉斯金字塔，LPn(2)表示第二幅图像的拉普拉斯金字塔，Gn(W1)表示第一幅图像的融合系数的高斯金字塔，Gn(W2)表示第二幅图像的融合系数的高斯金字塔。
步骤S5中，根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔；
将推导出的高斯金字塔首层的数据作为融合后的图像数据。
需要说明的是，由于拉普拉斯金字塔是根据高斯金字塔推导出来的，因此，将拉普拉斯金字塔可以推导出相应的高斯金字塔，具体地，如图4所示，根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔的公式如下：
当n＝N时，GN＝LPN；
当0≤n<N时，Gn＝LPn+G* n+1,
其中，Gn表示第n层高斯金字塔数据，LPn表示第n层拉普拉斯金字塔数据，N表示金字塔顶层的层数，G* n+1表示第n+1层高斯金字塔进行上采样得到的数据。
需要说明的是，在本发明实施例的图像融合方法中，在计算两幅图像的拉普拉斯金字塔和融合系数高斯金字塔之前，还需要根据图像的质量对高斯金字塔和拉普拉斯金字塔的层数进行设置，使得两幅图像的融合系数高斯金字塔和拉普拉斯金字塔的层数一致。
如图5所示，高斯金字塔和拉普拉斯金字塔的层数的设置过程如下：
首先，根据图像宽高(width,height)计算最大层数maxLevel：
maxLevel＝log(min(width,height))/log2；
设定金字塔层数LayerNum，可以自定义处理层数，取值范围为[1，计算的最大层数]，默认值为4；
设置阈值Threshold1，取值范围[0,0.1],默认值为0.008。统计两幅图像中较暗的图像的权重值为4095的像素点个数(Count)，如果Count<＝width*height*Threshold1,则将金字塔的层数设置为LayerNum；
设置阈值Threshold2，取值范围[0,0.1],默认值为0.01。当width*height*Threshold1<Count<＝width*height*Threshold2时，则将金字塔的层数设置为LayerNum*2-1层；
否则将金字塔的层数设置为最大层数maxLevel。
如图6所示，相应于上述图像融合方法，本发明实施例中，还提供了一种图像融合装置，其包括：
融合系数计算模块61，用于分别计算两幅图像中各个像素点的融合系数；
高斯金字塔生成模块62，用于根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
拉普拉斯金字塔生成模块63，用于分别计算两幅图像的拉普拉斯金字塔；
图像融合模块64，用于根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
图像重构模块65，用于根据融合后的拉普拉斯金字塔重构出融合后的图像。
需要说明的是，上述图像融合装置中，各模块之间的信息交互、执行过程等内容，由于与本发明实施例的图像融合方法基于同一构思，其具体实现过程及带来的技术效果在所述图像融合方法中以进行了详细说明，此处不再赘述。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：分别计算两幅图像中各个像素点的融合系数，并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；分别计算两幅图像的拉普拉斯金字塔；根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；根据融合后的拉普拉斯金字塔重构出融合后的图像。
综上所述，采用本发明的图像融合方法及装置，分别两幅图像的拉普拉斯金字塔和两幅图像的融合系数高斯金字塔，根据两幅图像的融合系数高斯金字塔和对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔，然后根据融合后的拉普拉斯金字塔重构出融合后的图像，算法简单且图像融合的效果好。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种图像融合方法，其特征在于，所述方法包括：
分别计算两幅图像中各个像素点的融合系数，并根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
分别计算两幅图像的拉普拉斯金字塔；
根据两幅图像的融合系数高斯金字塔对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
根据融合后的拉普拉斯金字塔重构出融合后的图像，
其中，高斯金字塔和拉普拉斯金字塔的层数的设置过程如下：
首先，根据图像宽高(width,height)计算最大层数maxLevel：
maxLevel＝log(min(width,height))/log2；
设定初始的金字塔层数LayerNum，取值范围为[1，maxLevel]；
设置阈值Threshold1＝0.008，统计两幅图像中较暗的图像的像素点个数Count，如果Count<＝width*height*Threshold1,则将金字塔的层数设置为LayerNum；
设置阈值Threshold2＝0.01，当width*height*Threshold1<Count<＝width*height*Threshold2时，则将金字塔的层数设置为LayerNum*2-1层；
否则将金字塔的层数设置为最大层数maxLevel。
2.如权利要求1所述的图像融合方法，其特征在于，两幅图像中各个像素点的融合系数的计算方式如下：
G1(i)＝W1(i)/(W1(i)+W2(i))；
G2(i)＝W2(i)/(W1(i)+W2(i))；
W(i)＝C(i)*S(i)；
其中，W(i)表示图像第i个像素点的权重值，C(i)表示图像第i个像素点对比度值，S(i)表示图像第i个像素点的饱和度值，W1(i)，W2(i)分别表示两幅图像中第i个像素点的的权重值，G1(i)，G2(i)分别表示两幅图像中第i个像素点的融合系数。
3.如权利要求1所述的图像融合方法，其特征在于，采用如下公式对两幅图像的拉普拉斯金字塔进行融合：
Ln＝LPn(1)*Gn(W1)+LPn(2)*Gn(W2)，
其中：Ln表示融合后的拉普拉斯金字塔，n表示金字塔的层数，LPn(1)表示第一幅图像的拉普拉斯金字塔，LPn(2)表示第二幅图像的拉普拉斯金字塔，Gn(W1)表示第一幅图像的融合系数的高斯金字塔，Gn(W2)表示第二幅图像的融合系数的高斯金字塔。
4.如权利要求1所述的图像融合方法，其特征在于，根据融合后的拉普拉斯金字塔重构出融合后的图像，包括：
根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔；
将推导出的高斯金字塔首层的数据作为融合后的图像数据。
5.如权利要求4所述的图像融合方法，其特征在于，根据融合后的拉普拉斯金字塔推导出相应的高斯金字塔的公式如下：
当n＝N时，GN＝LPN；
当0≤n<N时，Gn＝LPn+G* n+1,
其中，Gn表示第n层高斯金字塔数据，LPn表示第n层拉普拉斯金字塔数据，N表示金字塔顶层的层数，G* n+1表示第n+1层高斯金字塔进行上采样得到的数据。
6.如权利要求1所述的图像融合方法，其特征在于，还包括：
根据图像的质量对高斯金字塔和拉普拉斯金字塔的层数进行设置。
7.如权利要求1所述的图像融合方法，其特征在于，采用如下方式生成输入图像的融合系数高斯金字塔：
G(n)＝F下采样(G(n-1))，
其中，n为整数，且n>≥0,G(n)表示高斯金字塔的第n层数据,且当n＝0时，G(0)为输入图像的融合系数数据，F下采样(G(n-1))表示对第n-1层高斯金字塔的数据进行卷积和上采样操作。
8.如权利要求1所述的图像融合方法，其特征在于，采用如下方式生成输入图像的拉普拉斯金字塔：
LP(n)＝G(n)–F上采样(G(n+1))，
其中，n为整数，且n>≥0，LP(n)表示拉普拉斯金字塔的第n层数据，G(n)表示输入图像的高斯金字塔的第i层数据，F上采样(G(n+1))表示对第n+1层高斯金字塔的数据进行卷积和上采样处理。
9.一种图像融合装置，其特征在于，包括：
融合系数计算模块，用于分别计算两幅图像中各个像素点的融合系数；
高斯金字塔生成模块，用于根据两幅图像中各个像素点的融合系数分别计算两幅图像的融合系数高斯金字塔；
拉普拉斯金字塔生成模块，用于分别计算两幅图像的拉普拉斯金字塔；
图像融合模块，用于根据两幅图像的融合系数高斯金字塔对两幅图像的拉普拉斯金字塔进行融合，得到融合后的拉普拉斯金字塔；
图像重构模块，用于根据融合后的拉普拉斯金字塔重构出融合后的图像，
其中，高斯金字塔和拉普拉斯金字塔的层数的设置过程如下：
首先，根据图像宽高(width,height)计算最大层数maxLevel：
maxLevel＝log(min(width,height))/log2；
设定初始的金字塔层数LayerNum，取值范围为[1，maxLevel]；
设置阈值Threshold1＝0.008，统计两幅图像中较暗的图像的像素点个数Count，如果Count<＝width*height*Threshold1,则将金字塔的层数设置为LayerNum；
设置阈值Threshold2＝0.01，当width*height*Threshold1<Count<＝width*height*Threshold2时，则将金字塔的层数设置为LayerNum*2-1层；
否则将金字塔的层数设置为最大层数maxLevel。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述图像融合方法的步骤。
CN202010460793.0A 2020-05-27 2020-05-27 一种图像融合方法及装置 Active CN111709904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010460793.0A CN111709904B (zh) 2020-05-27 2020-05-27 一种图像融合方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010460793.0A CN111709904B (zh) 2020-05-27 2020-05-27 一种图像融合方法及装置

Publications (2)

Publication Number Publication Date
CN111709904A CN111709904A (zh) 2020-09-25
CN111709904B true CN111709904B (zh) 2023-12-26

Family

ID=72537977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010460793.0A Active CN111709904B (zh) 2020-05-27 2020-05-27 一种图像融合方法及装置

Country Status (1)

Country Link
CN (1) CN111709904B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561792B (zh) * 2020-12-25 2023-10-03 北京百度网讯科技有限公司 图像风格迁移方法、装置、电子设备及存储介质
CN112561909B (zh) * 2020-12-28 2024-05-28 南京航空航天大学 一种基于融合变异的图像对抗样本生成方法
CN114549377B (zh) * 2022-01-11 2024-02-02 上海应用技术大学 医疗影像融合方法
CN116563190B (zh) * 2023-07-06 2023-09-26 深圳市超像素智能科技有限公司 图像处理方法、装置、计算机设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011008239A1 (en) * 2009-06-29 2011-01-20 Thomson Licensing Contrast enhancement
US8885976B1 (en) * 2013-06-20 2014-11-11 Cyberlink Corp. Systems and methods for performing image fusion
CN106709898A (zh) * 2017-03-13 2017-05-24 微鲸科技有限公司 一种图像融合方法及装置
CN107767330A (zh) * 2017-10-17 2018-03-06 中电科新型智慧城市研究院有限公司 一种图像拼接方法
CN107845128A (zh) * 2017-11-03 2018-03-27 安康学院 一种多尺度细节融合的多曝光高动态图像重建方法
CN110852982A (zh) * 2019-11-19 2020-02-28 常州工学院 自适应的曝光量调整多尺度熵融合的水下图像增强方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160148359A1 (en) * 2014-11-20 2016-05-26 Siemens Medical Solutions Usa, Inc. Fast Computation of a Laplacian Pyramid in a Parallel Computing Environment

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011008239A1 (en) * 2009-06-29 2011-01-20 Thomson Licensing Contrast enhancement
US8885976B1 (en) * 2013-06-20 2014-11-11 Cyberlink Corp. Systems and methods for performing image fusion
CN106709898A (zh) * 2017-03-13 2017-05-24 微鲸科技有限公司 一种图像融合方法及装置
CN107767330A (zh) * 2017-10-17 2018-03-06 中电科新型智慧城市研究院有限公司 一种图像拼接方法
CN107845128A (zh) * 2017-11-03 2018-03-27 安康学院 一种多尺度细节融合的多曝光高动态图像重建方法
CN110852982A (zh) * 2019-11-19 2020-02-28 常州工学院 自适应的曝光量调整多尺度熵融合的水下图像增强方法

Also Published As

Publication number Publication date
CN111709904A (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN111709904B (zh) 一种图像融合方法及装置
CN111539879B (zh) 基于深度学习的视频盲去噪方法及装置
CN111275626B (zh) 一种基于模糊度的视频去模糊方法、装置及设备
TWI665916B (zh) 降噪方法、降噪裝置及降噪電路系統
EP2164040B1 (en) System and method for high quality image and video upscaling
CN109978774B (zh) 多帧连续等曝光图像的去噪融合方法及装置
CN111192226B (zh) 一种图像融合去噪方法及装置、系统
JP2007188493A (ja) 動きボケ画像中の動きボケを減らす方法、それぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する方法、動きボケ画像中の動きボケを減らす装置、およびそれぞれが各自のボケ・パラメータを持つ複数の動きボケ画像を用いて動きボケの減らされた画像を生成する装置
KR101685885B1 (ko) 화상 처리 장치, 화상 처리 방법 및 화상 처리 프로그램
CN107133923B (zh) 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法
KR101633397B1 (ko) 영상 복원 장치, 영상 복원 방법 및 영상 복원 시스템
CN110418065B (zh) 高动态范围图像运动补偿方法、装置及电子设备
JP2009130537A (ja) 画像処理装置、画像処理方法
Zheng et al. Wavelet based nonlocal-means super-resolution for video sequences
JP5027757B2 (ja) 動画像雑音除去装置、その方法およびそのプログラム
KR101362011B1 (ko) 링잉 아티펙트없는 블러 제거 방법
JP4544336B2 (ja) 画像処理装置、撮像装置、画像処理方法、及びプログラム
CN116847209A (zh) 一种基于Log-Gabor与小波的光场全聚焦影像生成方法及系统
CN110111261B (zh) 图像的自适应平衡处理方法、电子设备和计算机可读存储介质
CN111353982B (zh) 一种深度相机图像序列筛选方法及装置
JP6221333B2 (ja) 画像処理装置、画像処理回路及び画像処理方法
CN112106352A (zh) 一种图像处理方法及设备
CN112702515B (zh) 相机系统中的图像处理方法、系统和计算机可读介质
Komatsu et al. Effectiveness of u-net in denoising rgb images
JP2007179211A (ja) 画像処理装置、画像処理方法、およびそのプログラム

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
GR01 Patent grant
GR01 Patent grant