一种非织造布多焦面图像融合的方法与流程

本发明涉及图像处理领域，具体而言，本发明涉及一种非织造布多焦面图像融合的方法。

背景技术：

非织造布的功能与纤维集合体的多孔结构密切相关，因此能够得到这些结构参数进而找到性能间的联系，对生产及用途都具有十分重要的指导意义。随着计算机技术的发展，数字图像处理法成为研究结构和性能的有效工具。而图像质量对纤维的形态测量与结构解析至关重要。

在采集时，非织造布的厚度使得一般的光学显微镜的景深不足以将所有的纤维均清晰的显现在一幅图像中。基于这种不完全聚焦图像的测量，纤维结构将是不准确的，甚至会对后续处理有一定的误导性。

技术实现要素：

为了解决纤维不能清晰显现在一幅图像中的问题，本发明引入多焦面融合提出了一种可以将纤维清晰显现在一幅图像中非织造布多焦面图像融合的方法。

为实现上述目的，本发明一种非织造布多焦面图像融合的方法，包括如下步骤：

步骤s1：采集多幅非织造布源图像，其中所述非织造布源图像的幅数基于非织造布的厚度确定；

步骤s2：对所述非织造布源图像进行临界采样、预滤波处理，得到所述非织造布源图像的矢量信号；

步骤s3：从所述多个非织造布源图像的矢量信号中随机选择两个，其中一个作为第一单焦面源图，另一个则作为第二单焦面源图，对所述第一单焦面源图和所述第二单焦面源图进行ghm多小波处理，分别得到所述第一单焦面源图和所述第二单焦面源图的高频分量和低频分量；

步骤s4：基于区域的方向性和能量加权融合方法处理所述高频分量，并根据区域匹配度选择区域能量绝对值最大者作为高频融合图像；

步骤s5：基于层间相关性的区域方差的融合方法处理所述低频分量，并查找所述第一单焦面源图和所述第二单焦面源图中的有用信息位置，当所述第一单焦面源图和所述第二单焦面源图的像素差值符合预设阈值时，计算两幅对应分解层的相关系数，选取值相关系数大，像素差值在预设阈值内，方差值小的区域作为低频融合图像；

步骤s6：对所述高频融合图像和低频融合图像进行图像预滤波和ghm多小波分解的逆运算，得到融合图像并将其作为新的第一单焦面源图；

步骤s7：从余下的所述多个非织造布源图像的矢量信号中随机选择一个作为新的第二单焦面源图，重复步骤s3—s7，直至所述多幅非织造布源图像融合完毕。

优选地，所述非织造布源图像的幅数基于非织造布的厚度确定的所述非织造布源图像的幅数为15—20幅。

优选地，所述采集多幅非织造布源图像包括如下步骤：

采用非织造布显微成像系统采集多幅非织造布源图像。

优选地，所述采用非织造布显微成像系统采集多幅非织造布源图像包括如下步骤：

在显微镜目镜上放置一个与计算机连接的数码相机；

在同一视角下按照预设间隔距离自上而下拍摄多幅非织造布源图像。

优选地，所述预设间隔为4—6毫米。

与现有技术相比，本发明一种非织造布多焦面图像融合的方法具有如下有益效果：

本发明一种非织造布多焦面图像融合的方法通过将多幅非织造布源图像的高频分量和低频分量进行筛选以及多次融合的方式，使得纤维能够清晰显现在一幅图像中，方便了人们后续使用。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例一种非织造布多焦面图像融合的方法的流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

请参阅图1，本发明一种非织造布多焦面图像融合的方法，包括如下步骤：

步骤s1：采集多幅非织造布源图像，其中所述非织造布源图像的幅数基于非织造布的厚度确定。

具体地，采集多幅非织造布源图像包括如下步骤：

采用非织造布显微成像系统采集多幅非织造布源图像。

在一些实施方式中，采用非织造布显微成像系统采集多幅非织造布源图像包括如下步骤：

在显微镜目镜上放置一个与计算机连接的数码相机；

在同一视角下按照预设间隔距离自上而下拍摄多幅非织造布源图像。其中预设间隔为4—6毫米。

优选地，非织造布源图像的幅数基于非织造布的厚度确定的非织造布源图像的幅数为15—20幅。

步骤s2：对所述非织造布源图像进行临界采样、预滤波处理，得到所述非织造布源图像的矢量信号。

在一些实施方式中，临时采样为对非织造布源图像进行r×r阶临界采样，其中，r为大于0的自然数。

步骤s3：从所述多个非织造布源图像的矢量信号中随机选择两个，其中一个作为第一单焦面源图，另一个则作为第二单焦面源图，对所述第一单焦面源图和所述第二单焦面源图进行ghm多小波处理，分别得到所述第一单焦面源图和所述第二单焦面源图的高频分量和低频分量。

ghm多小波是geronimo,hardin和massopus于1994年构造的，它既保持了单小波所具有的良好的时域与频域的局部化特性,又克服了单小波的缺陷，将实际应用中十分重要的光滑性、紧支性、对称性、正交性完美地结合在一起,成功地应用于图像的去噪,取得了良好的效果。

步骤s4：基于区域的方向性和能量加权融合方法处理所述高频分量，并根据区域匹配度选择区域能量绝对值最大者作为高频融合图像。

基于区域的方向性和能量加权融合方法考虑了图像中像素之间的相关性，将图像的局部特征进一步体现出来，根据不同方向的高频分量具有不同分辨率的特性，最终选择最显著的特征，将其保留在最终结果中。利用区域匹配度选择区域能量绝对值最大者，这些绝大值最大的对应特征显著的边缘、线段，可作为高频融合图像。

步骤s5：基于层间相关性的区域方差的融合方法处理所述低频分量，并查找所述第一单焦面源图和所述第二单焦面源图中的有用信息位置，当所述第一单焦面源图和所述第二单焦面源图的像素差值符合预设阈值时，计算两幅对应分解层的相关系数，选取值相关系数大，像素差值在预设阈值内，方差值小的区域作为低频融合图像。

优选地，预设阈值为0-0.01。

步骤s6：对所述高频融合图像和低频融合图像进行图像预滤波和ghm多小波分解的逆运算，得到融合图像并将其作为新的第一单焦面源图。

步骤s7：从余下的所述多个非织造布源图像的矢量信号中随机选择一个作为新的第二单焦面源图，重复步骤s3—s7，直至所述多幅非织造布源图像融合完毕。

与现有技术相比，本发明实施例一种非织造布多焦面图像融合的方法具有如下有益效果：

本发明实施例一种非织造布多焦面图像融合的方法通过将多幅非织造布源图像的高频分量和低频分量进行筛选以及多次融合的方式，使得纤维能够清晰显现在一幅图像中，方便了人们后续使用。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。