6.图象融合
图象融合是将同一对象的两个或更多的图象合成在一幅图象中,以便比原来的任何一幅更能容易的为人们所理解。这一技术可应用于多频谱图象理解以及医学图象处理等领域,在这些场合,同一物体部件的图象往往是采用不同的成象机理得到的。
用二维小波分析将两幅图象融合在一起。
处理过程如下:
load woman;%装入原图像
X1=X;map1=map;
subplot(221);
image(X1);
colormap(map1);
title(‘woman’);
axis square %画出woman图像
load wbarb;%装入原图像
X2=X;map2=map;
for I =1:256
for j=1:256
if(X2(I, j)>100)
X2(I, j)=1.2*X2(I, j);
else
X2(I, j)=0.5*X2(I, j);
end
end
end
subplot(222);
image(X2);
colormap(map2);
title(‘wbarb’);
axis square%画出wbarb图像
[cl,sl]=wavedec2(X1,2,’sym4’);
sizec1=size(c1);
for I=1:sizec1(2)
c1( I )=1.2*c1( I );
end
[c2,s2]=wavedec2(X2,2,’sym4’);
c=c1+c2;
c=0.5*c;
xx=waverec2(c,s,’sym4’);
subplot(223);image(xx);
title(‘融合图象‘);
axis square %画出融合后的图像
结果分析:
一幅图像和某一部分放大后的图像融合,融合后的图像给人一种朦朦胧胧梦幻般的感觉,对较深的背景部分则做了淡化处理。
7.图象平滑处理
图像平滑的主要目的是为了减少噪声,一般情况下,在空间域内可以用于平均来减少噪声。在频率域,因为噪声多在高频段,因此可以采用各种形式的低通滤波的办法来减少噪声。
给定一个含噪声的图象,用二维小波分析和图象的中值滤波进行图象的平滑。
[分析]这是一个图象平滑处理问题。首先,对图象在频域内进行增强,然后在空域内加入较大的白噪声。通过对含噪图象进行平滑处理,即可以使含噪图象具有较好的平滑效果。具体处理过程如下:
load woman;%装入原图
X1=X;
map1=map;
subplot(221);
image(X1);
colormap(map1);
title("woman");
axis square%画出原图
[c,s]=wavedec2(X,2,’sym4’); %二层分解小波信号
sizec=size( c );
for I= 1:sizec(2)%频域里增强图像
if(c( I )>350)
c( I )=1.3*c( I );
else
d( I )=0.5*c( I );
end
end
xx=waverec(c,s,’sym4’);%系数重构
init=2788605826;%加入噪声
rand(‘seed’,init);
xx=xx+68*(rand(size(xx)));
subplot(221);image(xx);
title(‘增强的含噪图象‘);
axis square;
for I=2:1:255%中值滤波
for j=2:1:255
temp=0;
for m=1:3
for n=1:3
temp=temp+xx(I+m-2,j+n-2);
end
end
temp=temp/9;
xx(I, j)=temp;
end
end
colormap(map);
subplot(222);
image(xx);
axis square;
title(‘平滑后的图象‘);
axis square %画出平滑后图像
结果分析:
平滑后的图像没有原图清晰,但边缘轮廓过渡更自然,消噪的效果还是比较明显的,噪声图像中的一些粒状颗粒在平滑后基本消失。
附录
函数名
功能
dwt2
单层二维小波分解
dwtper2
单层二为离散小波变换
wavedec2
多层二维小波分解
idwt2
单层二微小波重构
idwper2
单层二维小波分解
waverec2
多层二维小波重构
upwiev2
二维小波分解的单层重构
wrcoef2
二维小波分解系数单支重构
upcoef2
二维小波分解的直接重构
detcoef2
提取二微小波分解高频系数
appcoef2
提取二维小波分解低频系数
wthresh
进行软阈值或硬阈值处理
wthcoef2
二维信号的小波系数阈值处理
ddencmp
获取在消噪或压缩过程中的默认值阈值
wdencmp
用小波进行信号的消噪和压缩