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;
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,’sym
4
’);
sizec1=size(c1);
for I=1:sizec1(2)
c1( I )=1.2*c1( I );
end
[c2,s2]=wavedec2(X2,2,’sym
4
’);
c=c1+c2;
c=0.5*c;
xx=waverec2(c,s,’sym
4
’);
subplot(223);image(xx);
title(‘融合图象‘)；
axis square %画出融合后的图像
结果分析：
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,’sym
4
’); ％二层分解小波信号
sizec=size( c );
for I= 1:sizec(2)
if(c( I )>350)
c( I )=1.3*c( I );
else
d( I )=0.5*c( I );
end
end
xx=waverec(c,s,’sym
4
’); ％系数重构
init=2788605826;
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
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 |
