基于小波变换的像素级图像融合实例研究

刘进辉 王峰 王宏武 潘观潮 王晓洒

摘要：迄今为止，图像融合一直是图像领域的专家们研究的一个热点方向。研究图像融合在军事安全领域非常重要。而小波变换是傅立叶变换的升级版，具有实时多分辨率的特性，这也为图像融合带来新的机遇。但是现有的实例研究材料还是很缺乏。该文结合了两个不同角度的实例来研究小波变换的像素级图像融合。运用matlab语言作为程序实现的主体语言，实现小波分解、图像融合、小波重构等功能。并结合Opencv3语言对原始图片进行预处理，得到实例所需的图片。通过两个实例结果表明了小波变换确实拥有很好的图片处理能力。最后得到的增强的图片表明图像融合的增强效果显著。这也为图像融合的研究提供较好参考实例。

关键词： 小波变换;Opencv3;matlab;图像融合;小波分解;小波重构;傅里叶变换

中图分类号：TP319        文献标识码：A

文章编号：1009-3044（2019）17-0201-03

开放科学（资源服务）标识码（OSID）：

1 绪论

1.1 图像融合的背景及意义

图像融合是信息融合范畴领域的一个重要的研究对象。其目的就是将不同的传感器或同一传感器不同的工作模式下获取的关于同一场景的图像信息加以综合，以获得更加准确清晰的图像信息。并且可以得到图像增强的效果。在像素级融合、特征级融合、决策级融合三个层次融合方法中，像素级图像融合易于初学者结合图像存储的方式理解，是一个热门的选择。也是本文选择的融合方式。例如人工勘测信号、许多自然的信号都具有非平稳的特性，对这类非平稳信号的线性时频分析应该在时频平面不同的位置具有不同的分辨率。而小波变换就是这样的一种多分辨率分析方法，可以得到复杂情况下图形的更准确的信息。而这点是傅立叶变换不具备的。当然小波变换是傅立叶变换的延伸。

图像融合在军事安全领域最先被应用，为国防事业发挥了巨大的作用。而像素级地融合在机器视觉、图像处理、和军事、医学成像、自动驾驶等方面都有广泛的应用。因此研究图像融合非常有必要，特别本文研究的基于小波变换的像素级图像融合。

1.2 小波变换的像素级图像融合的研究意义

小波变换的像素级图像融合不仅对学习图像方面的人来说是一个相对容易入门且比较全面的案例。而且在现实意义中，有着自身特有广阔的应用前景。例如在视频监控犯罪人脸过程中，不同的设备具有不同特性，空间不一样也会导致有些误差，但如果两者的人脸图像进行融合，那么呈现的人脸图将会更加清晰。

2 小波变换原理阐述

2.1 小波变换的程序实现原理阐述

本文的图片在载入到matlab中，便以二维数值矩阵的形式进行存储，然后从matlab的工具箱中调用wavedec2函数进行小波分解，将图片分解为高频和低频两个部分。以下就是小波分解的实现简单原理：

假设数值矩阵[90，70，100，70]为达到压缩分解，采取Haar分解方式。即用（x0+x1）/2表示x0，用（x0-x1）/2表示x1。这样[90，70]可表示为[80，10]，其中80即平均数，10是小范围波动数。同理[100，70]可表示为[85，15]。可以想象80和85都是局部的平均值反映大的总体的状态，是变化相对缓慢的值，可以认为他们是低频部分的值。而10、15是小范围波动的值局部变换较快，可以认为他们是高频部分的值。然后将数值矩阵写成[80，85，10，15]即把低频（L）部分写在一起，高频（H）部分写在一起。而[80，85]同理变换成[82.5， -2.5]，这样82.5表示更低频（LL）的信息， -2.5则表示了频率L上的波动. 最后[90，70，100，70] 写成[82.5， -2.5， 10， 15] 这样信息就可被压缩分解了。

第一步运算后原图像缩小至左边一半了，右边的是对应波动信息，第二步运算后图像又缩小至左边一半了，对应波动信息，对一幅图像先进行行变化，在进行列变化，那么就是小波变换了。

2.2 小波变换原理实现

本文对一幅512*512大小的图片进行处理，被小波2层分解后，分成了7个高低子频带，其中LL2为低频带，其余为高频带，图像的低频部表现的是图像的概貌和平均特性。图像的高频反应的是图像的细节特性，如图像的边缘、区域边界等。

其中，LL表示水平低频，垂直低频。LH表示水平低频，垂直高频。HL表示水平高频，垂直低频。HH表示水平高频，垂直高频。下标1、2表示一级或二级分解。

3 小波变换的像素级图像融合实现

3.1小波变换的像素级图像融合的实现原理

小波变换的像素级图像融合的实现过程每一步都相当关键。下面给出了两种不同形式的预处理图片进行研究，这个在下文介绍。第二步小波分解就是将两张同样规格的图片进行小波haar分解，使之成为上述图1的形式。然后进行第三步图像融合，两张经过小波分解的图片具有高频和低频两个部分。在本文中，对于高频系数处理采用算术平方根的方法，对于低频系数处理采用均方根的方法，進行融合。第四步小波重构就是将融合后的图片，进行小波逆变换还原图像的信息。最后一步GUI显示图片是利用matlab的GUI窗口设计，将图片显示出来，达到直观的效果。这里必须注意，为了显示图片，必须将图片信息进行归一化处理，并且转成灰度值。

3.2 半模糊图片案例

此图片是经过半模糊预处理的图片，这是通过专门的图片处理的软件所得。

经过小波变换后，图像融合的结果为：

根据本文给出的融合方式，对于两幅规格相同，但经过不同的模糊部位的同一场景的图片，得到的结果显然融合了两者主要信息特征，并更加清晰表示出了图片的特征。使之更加直观地表示了图片的全貌，人眼获取的信息也更多。但是我们可以从图片中获知，对于人眼要求来讲，图片的增强效果还是不够的。为了增强图片的视觉的效果，使之人眼获取的信息更加清晰明显。那么本文在下一例中做出了相应的研究。

3.3 全模糊图片案例

此图片经过Opencv工具对原图进行了不同程度的模糊处理，得到了两张不同模糊程度的图片。

原图经过了线性滤波中的中值滤波处理。对于中值滤波具有很好地去噪功能，这也可以适当地降低相机质量差，使得拍照效果不好的影响。同时我们也到了图片的全局的一个模糊，通过设置模糊的不同程度，得到了两种不同模糊程度的图片。这就是对原图的预处理过程。然后经过小波变换，融合的结果为：

从新案例的图片结果显示，图片有一个彩色的增强，并且在清晰度上，得到了一个肉眼比较直观的图片。从图片的纹理细节上也更加凸显信息的全貌。这也很好地弥补了我们上一例的不足，从而达到了实验预期的结果。

4 结束语

本实验主要运用了matlab工具来进行主要的实验编程，还运用了opencv语言来进行图片的预处理，这也是实例二中所提的方法，是很关键的一步。Matlab语言易于掌握，也很好入门，结构也非常清晰，程序实现起来相对比较简单。而opencv作为主要用于图像处理的语言，有很多专门处理图片的函数，使得图片预处理更加简单方便。两者的有效结合，很好地为本实验奠定了语言基础，并且为实验进行起到了无法替代的作用。

本文通过两个实例来对研究小波变换的图像融合。更加具有时效性，也更加通俗易懂。也可以很好地显示图像融合的重要性。目前为止，图像融合具有增强效果的实例研究相对来讲还是比较少。而本文结合实例，很好的弥补并扩充了这一点。

参考文献：

[1] 刘衍琦，等.MATLAB计算机视觉与深度学习实战[M].北京：电子工业出版社，2017：131-139.

[2] 龙燕.基于小波变换的图像融合研究[D].山东大学，2008.

[3] 杨波.基于小波的像素级图像融合算法研究[D].上海交通大学，2008.

[4] 关雪梅.小波变换图像处理技术研究[J].沧州师范学院学报，2019，35（01）：44-46+73.

[5] 毛星云.Opencv3编程入门[M].北京：电子工业出版社，2015.

[6] 曹灿云.小波分析在数字图像处理中的应用[J].信息与电脑，2018，18（7）：114-115.

[7] Guozhang Geng，Hao Chen.Image Fusion Method of 9/7 Wavelet Transform Based on Lifting Scheme[J].IEEE，2008（12）.

[8] VPS Naidu.Multi-resolution image fusion by FFT[J].IEEE，2011（11）.

【通聯编辑：朱宝贵】