一种基于灰度均值参照的多聚焦图像融合方法和系统与流程

文档序号:15689970发布日期:2018-10-16 21:53阅读:258来源:国知局

本发明属于数字图像处理的应用领域,具体涉及一种基于灰度均值参照的多聚焦图像融合方法和系统。



背景技术:

图像清晰度是描述图像细节表现能力的物理量,为了更加全面、真实地反映外界场景的信息,人们总是希望获得场景中所有目标都清晰的图像。而可见光成像系统在对外界场景进行成像时,对于处于焦平面位置、聚焦良好的物体,可以在成像系统的像平面上呈现出清晰的图像。但由于成像系统的聚焦范围有限,而场景中的不同目标至成像系统的距离则各有差异,故难以使得场景中所有目标区域均保持清晰成像,在焦平面前后一定距离外的目标会呈现出不同程度的模糊形态。对于机器视觉、目标分类、模式识别等应用领域,模糊图像会不同程度地造成识别率降低、分类不准确,严重情况下甚至会造成最终的决策错误。

由于聚焦点的不同,各多聚焦图像具有不同的清晰区域和模糊区域,通过提取不同源图像中的清晰目标信息加以融合,便可以得到该场景内所有物体均清晰的融合图像。

目前应用得最多的图像融合方法是基于空间域的简单多传感器图像融合算法。它的基本原理是直接对各源图像中的各对应像素分别进行选择(选大或选小)、平均或加权平均等简单处理后,融合成一幅新的图像,此类方法简单高效,适应对速率要求高的流媒体视频处理。简单的像素级图像融合方法主要有:像素加权平均融合、像素灰度值选小、像素灰度值选大。本发明在此提出一种能明显提高融合图像对比度的空间域图像融合算法:基于灰度均值参照的多聚焦图像融合方法。



技术实现要素:

本发明为了解决上述技术问题,提出了一种基于灰度均值参照的多聚焦图像融合方法,能明显提高融合图像对比度。

本发明所采用的技术方案是:一种基于灰度均值参照的多聚焦图像融合方法,该方法对配准后的源图像A,B进行融合,源图像A,B均为灰度图像,且A,B∈RM×N,RM×N是大小为M×N的空间,该融合方法包括如下步骤:

步骤1,输入两幅源图像A,B,大小都为M×N像素;

步骤2,计算A,B两幅源图像的灰度均值,设μ(A)为源图像A的灰度均值,μ(B)为源图像B的灰度均值;

步骤3,根据提出的融合规则完成图像融合,即根据A、B两幅源图像上每一点像素的灰度值距离源图像灰度平均值的大小来完成图像融合,具体实现如下;

步骤3.1,记f(i,j)为图像i行j列处的灰度值且i∈[0,M),j∈[0,N)灰度值,令i=0,j=0即从图像的左上角开始遍历,读取A(i,j)和B(i,j);

步骤3.2,根据融合规则确定融合后图像F(i,j)点处取灰度值,具体公式如下,

式中,F(i,j)为融合图像i行j列的像素值,A(i,j)为图像A中i行j列的灰度值,B(i,j)为图像中i行j列列的灰度值,μ(A)为图像A的灰度均值,μ(B)为图像B的灰度均值;上式表示融合图像F在(i,j)处的取值为源图像A和B中离灰度均值距离更大的像素值;

步骤3.3,判断是否遍历源图像A、B的所有像素点,若否,则重复步骤3.2,若是,则继续执行步骤4;

步骤4,输出融合后的图像F。

进一步的,所述的步骤2中计算图像A、B两幅源图像的灰度均值μ(A)和μ(B),采用的公式如下,

上式中,f(i,j)表示像素点在(i,j)处的灰度值,M、N是源图像A、B的宽和高。

本发明还提供一种基于灰度均值参照的多聚焦图像融合系统,包括如下模块:

输入模块,用于输入两幅源图像A,B,大小都为M×N像素,源图像A,B均为灰度图像;

灰度均值计算模块,用于计算A,B两幅源图像的灰度均值,设μ(A)为源图像A的灰度均值,μ(B)为源图像B的灰度均值;

图像融合模块,用于根据A、B两幅源图像上每一点像素的灰度值距离源图像灰度平均值的大小来完成图像融合,具体包括如下单元;

遍历单元,记f(i,j)为图像i行j列处的灰度值且i∈[0,M),j∈[0,N)灰度值,令i=0,j=0即从图像的左上角开始遍历,读取A(i,j)和B(i,j);

融合单元,根据融合规则确定融合后图像F(i,j)点处取灰度值,具体公式如下,

式中,F(i,j)为融合图像i行j列的像素值,A(i,j)为图像A中i行j列的灰度值,B(i,j)为图像中i行j列列的灰度值,μ(A)为图像A的灰度均值,μ(B)为图像B的灰度均值;上式表示融合图像F在(i,j)处的取值为源图像A和B中离灰度均值距离更大的像素值;

判断单元,用于判断是否遍历源图像A、B的所有像素点;

输出模块,用于输出融合后的图像F。

进一步的,所述的灰度均值计算模块中,计算图像A、B两幅源图像的灰度均值μ(A)和μ(B),采用的公式如下,

上式中,f(i,j)表示像素点在(i,j)处的灰度值,M、N是源图像A、B的宽和高。

本发明的有益效果是:提出一种快速的多聚焦图像融合新方法,即根据两幅源图像上每一点像素的灰度值距离源图像灰度平均值的大小来完成图像融合,能够对图像进行快速高效的融合,能明显提高融合图像的清晰度和对比度。

附图说明

图1:本发明实施例的流程图;

图2:为实施例待融合的源图像,(a)与(b)为实施例1待融合的源图像ManByTheWindow;(c)与(d)为实施例2待融合的源图像CameraAndClock;(e)与(f)为实施例3待融合的源图像PlayMobile;

图3:为实施例1的融合结果图,分别为(a)加权平均融合结果图(b)像素值取大融合结果图(c)像素值取小融合结果图(d)提出的基于灰度均值参照的多聚焦图像融合法;

图4:为实施例2的融合结果图,分别为(a)加权平均融合结果图(b)像素值取大融合结果图(c)像素值取小融合结果图(d)提出的基于灰度均值参照的多聚焦图像融合法;

图5:为实施例3的融合结果图,分别为(a)加权平均融合结果图(b)像素值取大融合结果图(c)像素值取小融合结果图(d)提出的基于灰度均值参照的多聚焦图像融合法。

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,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。

本发明通过利用一种基于灰度均值参照的多聚焦图像融合方法,该方法可用于数字图像处理相关领域中。

请见图1,本发明所采用的技术方案是:一种基于灰度均值参照的多聚焦图像融合方法,包括以下步骤:

步骤1:输入两幅源图像A,B,大小都为M×N像素,用f(i,j)表示图像在第i行j列处的灰度值,且i∈[0,M),j∈[0,N)。

步骤2:计算A、B两幅源图像的灰度均值,其中μ(A)为源图像A的灰度均值,μ(B)为源图像B的灰度均值。

计算图像A、B两幅源图像的灰度均值μ(A)和μ(B),采用的公式如下:

上式中,f(i,j)表示像素点在(i,j)处的灰度值,M、N是源图像A、B的宽和高。

步骤3:根据提出的融合规则完成图像融合,即根据A、B两幅源图像上每一点像素的灰度值距离源图像灰度平均值的大小来完成图像融合。具体步骤如下:

步骤3.1:记(i,j)为图像i行j列处的灰度值且i∈[0,M),j∈[0,N)灰度值。令i=0,j=0即从图像的左上角开始遍历,读取A(i,j)和B(i,j)

步骤3.2:根据融合规则确定融合后图像F(i,j)点处取灰度值,具体公式如下:

式中,F(i,j)为融合图像i行j列的像素值,A(i,j)为图像A中i行j列的灰度值,B(i,j)为图像中i行j列的灰度值,μ(A)为图像A的灰度均值,μ(B)为图像B的灰度均值。上式表示融合图像F在(i,j)处的取值为源图像A和B中离灰度均值距离更大的像素值。

步骤3.3:判断是否遍历源图像A、B的所有像素点,若否,则重复步骤3.2,若是,则继续执行步骤4.

步骤4:输出融合后的图像F。

本发明实施例还提供一种基于灰度均值参照的多聚焦图像融合系统,包括如下模块:

输入模块,用于输入两幅源图像A,B,大小都为M×N像素,源图像A,B均为灰度图像;

灰度均值计算模块,用于计算A,B两幅源图像的灰度均值,设μ(A)为源图像A的灰度均值,μ(B)为源图像B的灰度均值;

计算图像A、B两幅源图像的灰度均值μ(A)和μ(B),采用的公式如下,

上式中,f(i,j)表示像素点在(i,j)处的灰度值,M、N是源图像A、B的宽和高。

图像融合模块,用于根据A、B两幅源图像上每一点像素的灰度值距离源图像灰度平均值的大小来完成图像融合,具体包括如下单元;

遍历单元,记f(i,j)为图像i行j列处的灰度值且i∈[0,M),j∈[0,N)灰度值,令i=0,j=0即从图像的左上角开始遍历,读取A(i,j)和B(i,j);

融合单元,根据融合规则确定融合后图像F(i,j)点处取灰度值,具体公式如下,

式中,F(i,j)为融合图像i行j列的像素值,A(i,j)为图像A中i行j列的灰度值,B(i,j)为图像中i行j列列的灰度值,μ(A)为图像A的灰度均值,μ(B)为图像B的灰度均值;上式表示融合图像F在(i,j)处的取值为源图像A和B中离灰度均值距离更大的像素值;

判断单元,用于判断是否遍历源图像A、B的所有像素点;

输出模块,用于输出融合后的图像F。

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。

实施例1:

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,待融合源灰度图为图2(a)和(b),其中(a)为左聚焦图像,(b)为右聚焦图像,大小均为765*510像素。现在分别用加权平均融合法、像素值取大法、像素值取小法、基于灰度均值参照的多聚焦图像融合法4种融合算法得到融合结果图,分别为图3(a)、(b)、(c)、(d)。对不同融合方法的融合图像进行质量评价,处理计算得表1所示结果。

表1 ManByTheWindow融合结果客观指标对比结果

由表1可看出,对于信息熵这一指标,像素取大法最高,但是其余3种算法的信息熵与之相差也不大,都在7.3以上即4种算法保留原始图像信息的能力相差不大。对于平均梯度,又称清晰度,反映图像对细节对比和纹理变化的表达能力,提出的快速图像融合法最高且达到4.09,较其余3种算法有明显差距,对于加权平均的方法相当于提高了43.5%,对于像素取大的方法相当于提高了41%,对于像素取小的方法相当于提高了22.1%,由此可见提出的融合算法在提高清晰度方面有巨大的提升。对于标准差,标准差越大,则图像灰度级分布越分散,图像反差越大,即图像对比度越高,提出的快速图像融合算法最大,达到了80.36,相较于其他三种方法平均提高了3.9%,由此可见提出的融合算法能够提高融合图像的对比度。此外,本发明方法在运行时间上和传统的图像融合方法属于同一个量级,也是一种快速融合算法。

实施例2:

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,待融合源灰度图为图2(c)和(d),其中图2(c)为上聚焦图像,图2(d)为下聚焦图像,大小均为765*510像素。现在分别用加权平均融合法、像素值取大法、像素值取小法、基于灰度均值参照的多聚焦图像融合法4种融合算法得到融合结果图,分别为图4(a)、图4(b)、图4(c)、图4(d)。对不同融合方法的融合图像进行质量评价,处理计算得表2所示结果。

表2 CameraAndClock融合结果客观指标对比结果

由表2可看出,对于信息熵这一指标,提出算法最高,但是其余3种算法的信息熵与之相差也不大,都在7.0以上即4种算法保留原始图像信息的能力相差不大。对于平均梯度,又称清晰度,反映图像对细节对比和纹理变化的表达能力,提出的快速图像融合法最高且达到4.24,较其余3种算法有明显差距,对于加权平均的方法相当于提高了61%,对于像素取大的方法相当于提高了48.8%,对于像素取小的方法相当于提高了18.2%,由此可见提出的融合算法在提高清晰度方面有巨大的提升。对于标准差,标准差越大,则图像灰度级分布越分散,图像反差越大,即图像对比度越高,提出的快速图像融合算法最大,达到了44.61,相较于其他三种方法平均提高了15.2%,由此可见提出的融合算法能够提高融合图像的对比度。此外,本发明方法在运行时间上和传统的图像融合方法属于同一个量级,也是一种快速融合算法。

实施例3:

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,待融合源灰度图为图2(e)和(f),其中图2(e)为前聚焦图像,图2(f)为后聚焦图像,大小均为765*510像素。现在分别用加权平均融合法、像素值取大法、像素值取小法、基于灰度均值参照的多聚焦图像融合法4种融合算法得到融合结果图,分别为图5(a)、图5(b)、图5(c)、图5(d)。对不同融合方法的融合图像进行质量评价,处理计算得表3所示结果。

表3 PlayMobile融合结果客观指标对比结果

由表3可看出,对于信息熵这一指标,提出算法最高,但是其余3种算法的信息熵与之相差也不大,都在7.2以上即4种算法保留原始图像信息的能力相差不大。对于平均梯度,又称清晰度,反映图像对细节对比和纹理变化的表达能力,提出的快速图像融合法最高且达到3.04,较其余3种算法有明显差距,对于加权平均的方法相当于提高了40.7%,对于像素取大的方法相当于提高了28.3%,对于像素取小的方法相当于提高了23.1%,由此可见提出的融合算法在提高清晰度方面有巨大的提升。对于标准差,标准差越大,则图像灰度级分布越分散,图像反差越大,即图像对比度越高,提出的快速图像融合算法最大,达到了61.36,相较于其他三种方法平均提高了5.2%,由此可见提出的融合算法能够提高融合图像的对比度。此外,本发明方法在运行时间上和传统的图像融合方法属于同一个量级,也是一种快速融合算法。

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,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,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。

当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1