图像融合(二)__解决阈值溢出问题

针对图像融合中阈值矩阵加减的阈值溢出问题的解决方案,本文是自己学习后加入自己深入理解的总结记录，方便自己以后查看。

融合阈值溢出是指阈值矩阵相加或相减后的阈值小于0或大于255是阈值为溢出值，不溢出是保证阈值在溢出时保持为0或255。

1、方法一

        先将图片uint8转int32做矩阵变化加减，对转换后矩阵做溢出处理，最后转回uint8图片，缺点耗时较长：4096x3840算法耗时120ms

# 算子类
class ImgThreshMerge(OperatorBase):
    def __init__(self):
        super(ImgThreshMerge, self).__init__()
        # 算⼦类的公开成员变量会被认为是该⼯具的算⼦参数
        self.blue_thresh = 0  # 类型为int【-255，255】
        self.green_thresh = 0  # 类型为int【-255，255】
        self.red_thresh = 0  # 类型为int【-255，255】

    def execute(self, b_img, g_img, r_img):
        assert isinstance(b_img, GrayImage), "input image type error"
        assert isinstance(g_img, GrayImage), "input image type error"
        assert isinstance(r_img, GrayImage), "input image type error"
        
        image = cv2.merge([b_img, g_img, r_img])
        image = image.astype(np.int32)
        dim1 = image.shape[0]
        dim2 = image.shape[1]

        temp_array = np.ones((dim1, dim2), np.int32)
        temp_array0 = temp_array * self.blue_thresh
        temp_array1 = temp_array * self.green_thresh
        temp_array2 = temp_array * self.red_thresh
        constant_image = cv2.merge([temp_array0, temp_array1, temp_array2])

        output_image = image + constant_image
        output_image[output_image > 255] = 255
        output_image[output_image < 0] = 0
        output_image = np.uint8(output_image)

        result = ImgThreshMergeResult()
        result.output_merge_image = ColorImage(output_image)
        return result

2、方法二

        利用np.uint8生成各通道补偿图片，cv2.add和subtract对图像做补偿后融合图片，耗时：4096x3840算法耗时60ms

# 算子类
class ImgThreshMerge(OperatorBase):
    def __init__(self):
        super(ImgThreshMerge, self).__init__()
        # 算⼦类的公开成员变量会被认为是该⼯具的算⼦参数
        self.blue_thresh = 0  # 类型为int【-255，255】
        self.green_thresh = 0  # 类型为int【-255，255】
        self.red_thresh = 0  # 类型为int【-255，255】

    def execute(self, b_img, g_img, r_img):
        assert isinstance(b_img, GrayImage), "input image type error"
        assert isinstance(g_img, GrayImage), "input image type error"
        assert isinstance(r_img, GrayImage), "input image type error"

        # cv2.createMergeMertens()
        # 解决溢出方法二 unit8生成图片，cv2做补偿，38ms
        imgth = np.ones((b_img.shape[0], b_img.shape[1]), np.uint8)
        b_imgth = imgth * abs(self.blue_thresh)
        g_imgth = imgth * abs(self.green_thresh)
        r_imgth = imgth * abs(self.red_thresh)

        if(self.blue_thresh>=0):
            b_output = cv2.add(b_img, b_imgth)
        else:
            b_output = cv2.subtract(b_img, b_imgth)
        if(self.green_thresh>=0):
            g_output = cv2.add(g_img, g_imgth)
        else:
            g_output = cv2.subtract(g_img, g_imgth)
        if(self.red_thresh>=0):
            r_output = cv2.add(r_img, r_imgth)
        else:
            r_output = cv2.subtract(r_img, r_imgth)

        output_img = cv2.merge([b_output, g_output, r_output])
        result = ImgThreshMergeResult()
        result.output_merge_image = ColorImage(output_img)
        return result

图像融合和算法界面平台开发请查看链接：图像融合(一)__融合效果调试算法平台开发-优快云博客

图像融合CUDA并行加速链接：图像融合(三)__C++和CUDA做加速处理-优快云博客