自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

Te_Fu1r的博客

原创基于小波变换的图像融合算法详解

图像融合的笔记【1】——小波融合参考的以下大佬的文章：小波融合的代码实例【1】小波融合的代码实例【2】小波融合代码详解先是最基本的基于小波变换的图像融合，融合规则采用简单的低频部分取平均值，高频部分取基于区域能量。我们使用的是matalb中自带的小波分解函数- wavedec2函数首先来了解matlab中小波分解函数中各个参数的作用：`[C,S] = wavedec2(A,N,'wname');其中A表示的是待处理的图像；N表示分解的层数；‘wname’表示的是使用的小波基函数；（

2020-05-11 21:03:45 10800 5

原创 opencv中对像素点进行访问

【opencv学习笔记1】#访问图片中的像素点为了对彩色图像中每个像素点进行访问，并且执行一些操作，比如：g(i,j)=a*f(i,j)+b;很明显我们需要对图像中每一个像素点进行访问。因为是对GBR图像进行运算，每个像素有三个值G,B,R，所以我们必须分别访问它们。OPENCV中对于图像的存储模式为GBR，而非常见RGB！因此可以使用3个for循环对像素进行访问：for (int ...

2020-04-04 22:27:13 284

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

博客等级

码龄6年

2
原创

4
点赞

148
收藏

10
粉丝

关注

私信

热门文章

分类专栏

图像融合 1篇
opencv学习笔记 1篇

最新评论

基于小波变换的图像融合算法详解
可爱的葩哥: coef_fuse = zeros(KK(1),KK(2));把一行注释掉 coef_fuse(1,1:(S1(1,1)*S1(1,2))= A;改为coef_fuse= A即可
基于小波变换的图像融合算法详解
Newtonsbror: [code=plain] coef_fuse=A; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %进行高频小波系数的融合：基于区域能量 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% h=cell(N);v=cell(N);d=cell(N); for ii=N:-1:1 [H1,V1,D1]=detcoef2('all',C1,S1,ii); %提取出小波分解的各层细节分量 [H2,V2,D2]=detcoef2('all',C2,S2,ii); H=f(H1,H2); %各层细节分量的融合规则采用基于区域特性量测的融合规则 V=f(V1,V2); D=f(D1,D2); h{ii}=reshape(H,1,S1(N+2-ii,1)*S1(N+2-ii,2));%分别将融合后的细节分量转成行向量，并存入行向量coef_fuse中 v{ii}=reshape(V,1,S1(N+2-ii,1)*S1(N+2-ii,2)); d{ii}=reshape(D,1,S1(N+2-ii,1)*S1(N+2-ii,2)); coef_fuse=[coef_fuse h{ii} v{ii} d{ii}]; end [/code] 可以考虑进行矩阵拼接的方法
基于小波变换的图像融合算法详解
可爱的葩哥: 引用「N+2×2」（N+2×2）这里加一个括号好一点
基于小波变换的图像融合算法详解
行走中的电熨斗: 运行代码a=reshape(A,1,S1(1,1)*S1(1,2);提示要执行reshape，请勿更改元素数目
基于小波变换的图像融合算法详解
will831xr: 感谢博主分享，但coef_fuse = [A,h,v,d] 处有问题，应是要实现h,v,d追加进coef_fuse 的后面，建议改成： [code=plain] k=1; col1=S1(k,1)*S1(k,2); for i=N:-1:1 [H1,V1,D1]=detcoef2('all',C1,S1,i); %提取出小波分解的各层细节分量 [H2,V2,D2]=detcoef2('all',C2,S2,i); H=f(H1,H2); %各层细节分量的融合规则采用基于区域特性量测的融合规则 V=f(V1,V2); D=f(D1,D2); h=reshape(H,1,S1(N+2-i,1)*S1(N+2-i,2));%分别将融合后的细节分量转成行向量，并存入行向量coef_fuse中 v=reshape(V,1,S1(N+2-i,1)*S1(N+2-i,2)); d=reshape(D,1,S1(N+2-i,1)*S1(N+2-i,2)); col2=S1(k+1,1)*S1(k+1,2)*3; hvd= [h,v,d]; coef_fuse(1,col1+1:col1+col2) = hvd; col1=col1+col2; k=k+1; end [/code]

提示

确定要删除当前文章？

取消删除