Matlab小波变换在图像处理中的仿真及应用+源码(14)
按照处理空间的不同，常用的增强技术可以分为基于图像域和机遇变幻域两种。前一种方法直接对像素点进行计算，而后一种方法相对比较复杂，它首先将图像从空间域变换到另一个域内表示（最常用的是时域到频域的变换），通过修正相应域内系数达到提高输出图像对比度的目的。
增强是图像处理中最基本的技术之一，这里只介绍基于多尺度方法的增强技术。小波变换将一副图像分解为大小，位置和方向均不同的分量，在作逆变换之前，可根据需要对不同位置、不同方向的某些分量改变其系数的大小，从而使得某些感兴趣的分量放大而使某些不需求的分量减小。
4.4.2 参数设置
对图像增强，本次毕业设计考虑对数字图像进行小波db5进行2层分解，弱化不重要的分解系数，之后再重构图像并显示。
部分程序代码如下所示：
[c,l]=wavedec2(X,2,'db5'); //对图像进行2层小波分解
Csize=size(c);
//对低频系数进行放大处理，并抑制高频系数
for i=1:Csize(2)
if(c(i)>300)
c(i)=2*c(i);
else
c(i)=0.5*c(i);
end
end
X1=waverec2(c,l,'db5'); //处理后的小波系数重建图像
subplot(1,2,2);
image(X1);
colormap(map);
完整运行程序见附录4。
4.4.3 仿真结果
仿真结果如图4-6所示：
图 4-6 图像增强仿真结果
4.4.3 仿真结果
分解后的图像，其主要信息由低频部分来表征，而其细节部分则由高频部分表征。因此，对分解后的低频系数加权进行增强，而对高频部分加权进行弱化，经过如此处理后，就达到了增强图像的效果。从图片来看，增强效果比较明显。
4.5 小波变换在图像融合中的应用
4.5.1 小波图像融合的基本原理
图像融合是将同一对象的两个或更多的图像合成在一副图像中，以便它比原来的任何一幅更能容易为人们所理解。这一技术可应用于多频谱图像理解以及医学图像处理等领域，在这些场合，同一物体部件的图像往往是采用不同的成像机理得到的。
基于小波变换的图像融合，就是对原始图像进行小波变换，将其分解在小同频段的小同特征域上，然后在小同的特征域内进行融合，构成新的小波金字塔结构，再用小波逆变换得到合成图像的过程。鉴于小波变换的优良特性，基于小波变换的图像融合方法已成为r目前国内外像素级图像融合方法的研究热点。基于小波变换的融合方法大致上可以分为如下两种形式：一是经典小波分解算法，另一种是基于冗余的小波分解算法(Atrous algorithms)。其中基干Atrous algorithms的融合方法是首先将图像分解成多尺度的边缘图像，然后按一定规则融合这些多尺度边缘图像，最后通过重构算法得到融合图像。而基于经典小波分解的融合算法，兵基书步骤是：苗先将各图像作小波分解，得到3L+1个频带，然后对分解得到的各频带，通过制定一定的融合规则来进行融合。
4.5.2 参数设置
本次毕业设计，关于图像融合，主要从一下步骤进行设计：
（1）、载入两图像，利用sym4小波分别对两图像进行2层小比分解；
（2）、对分解的系数进行处理以突出轮廓部分，细化细节部分；
（3）、进行小波变换域的图像融合，并呈现最终融合图像。
部分程序代码如下所示：