机器视觉与智能检测相关课题创新实践-实验报告.docVIP

《机器视觉与智能检测相关创新实践》

课外实验报告

实验一、图像融合

实验内容：

对同一场景的红外图像和可见光图像进行融合，采用图1中的参考图形，以及自己的手掌图像〔可见光图像和红外光图像〕，并对结果进行简要分析，融合方法可采用以下方法中的一种或多种：直接加权融合方法，傅里叶变换融合方法，小波变换融合方法；

实验目标：

1〕.了解融合的概念；

2〕.比拟融合方法中不同参数的效果〔如直接加权融合中权值的分配〕

参考图像：

〔a〕红外图像〔b〕可见光图像

图1待融合图像

实验内容

直接加权融合方法：

线性混合操作也是一种典型的二元〔两个输入〕的像素操作：

通过在范围内改变。

核心代码：image((Y1+Y2)/2);%权值相等

图2直接融合图像1

图3直接融合图像2

改变参数的影响：那个图的参数比例高，那个图在融合图像中的影响就越高。

傅里叶变换融合：

对一张图像使用傅立叶变换就是将它分解成正弦和余弦两局部。也就是将图像从空间域(spatialdomain)转换到频域(frequencydomain)。然后通过在频域的处理来实现融合。

图4傅里叶变换融合图像1

图5傅里叶变换融合2

小波融合：

小波变换〔WaveletTransform〕是一种新型的工程数学工具，由于其具备的独特数学性质与视觉模型相近，因此，小波变换在图像处理领域也得到了广泛的运用。用在图像融合领域的小波变换，可以说是金字塔方法的直接拓展。

图6小波融合1

图7小波融合2

5．实验完整代码

1．直接融合

addpath(E:\学习\课件\机器视觉创新实践\曾东明)

Y1=imread(1.PNG);

subplot(1,3,1);

imshow(Y1);

title(直接融合1.PNG);

Y2=imread(2.PNG);

subplot(1,3,2);

imshow(Y2);

subplot(1,3,3);

image((Y1+Y2)/2);

Y1=imread(057_L_VL.bmp);

subplot(1,3,1);

imshow(Y1);

title(直接融合图像1);

Y2=imread(057_L_IR.bmp);

subplot(1,3,2);

imshow(Y2);

title(图像2);

subplot(1,3,3);

Y1=rgb2gray(Y1);

image((Y1+Y2)/2);

2.傅里叶变换

Y1=imread(1.PNG);

subplot(1,3,1);

imshow(Y1);

title(傅里叶变换融合1.PNG);

Y2=imread(2.PNG);

subplot(1,3,2);

imshow(Y2);

title(2.PNG);

F1=fft2(Y1);

F2=fft2(Y2);

X=abs(ifft2(F1+F2)/2);

subplot(1,3,3);

image(X);

Y1=imread(057_L_VL.bmp);

subplot(1,3,1);

imshow(Y1);

title(傅里叶变换融合图像1);

Y2=imread(057_L_IR.bmp);

subplot(1,3,2);

imshow(Y2);

title(图像2);

Y1=rgb2gray(Y1);

F1=fft2(Y1);

F2=fft2(Y2);

X=abs(ifft2(F1+F2)/2);

subplot(1,3,3);

image(X);

3．小波融合

addpath(E:\学习\课件\机器视觉创新实践\曾东明)

Y1=imread(1.PNG);

subplot(1,3,1);

imshow(Y1);

title(db4小波变换1.PNG);

Y2=imread(2.PNG);

subplot(1,3,2);

imshow(Y2);

title(2.PNG);

Y1=double(Y1);

Y2=double(Y2);

[c3,L1]=wavedec2(Y1,2,db4);

[c4,L2]=wavedec2(Y2,2,db4);

W=c3+c4;

YY=waverec2(W,L1,db4);

subplot(1,3,3);

YY=double(YY);

image(YY);

Y1=imread(057_L_VL.bmp);

subplot(1,3,1);

imshow(Y1);

title(db4小波融合图像1);

Y2=imread(057_L_IR.bm