小波变换图像融合-1-代码分析

2019.4.6

1、为什么图像要从uint8类型转为double类型？

       因为imread()读入的图像是uint8类型，将原图像的灰度值转换成double的作用主要是考虑计算过程中的精度的问题，double 的数据是有小数点的，而uint8是0－255的整数，如果直接用uint8计算，会在计算过程中产生舍入误差，这种误差在图像的数据中是比较大的误差。显示的时候是因为我们的显示系统采用的颜色模式大多为RGB模式，其每一种颜色分量的取值只能在0－255，所以显示时要用uint8数据。

2、为什么要把图像转为灰度图进行处理？

    我们识别物体，最关键的因素是梯度（现在很多的特征提取，SIFT,HOG等等本质都是梯度的统计信息），梯度意味着边缘，这是最本质的部分，而计算梯度，自然就用到灰度图像了。颜色本身，非常容易受到光照等因素的影响，同类的物体颜色有很多变化。所以颜色本身难以提供关键信息。
链接：https://www.zhihu.com/question/24453478/answer/35874118
3、double与im2double的区别？

double只做数据类型转换，（可以认为）不会修改数值本身。

im2double除了做数据类型转换还要对数据做线性缩放。下面的代码可以看出区别。

a = uint8(250);
b = double(a);
c = im2double(a);

2019.4.7

经过阅读小波变换图像融合的代码，大致了解了代码的意思；为了以后再次使用时方便，我现在对代码进行注释，可能有的地方不太准确，慢慢学习吧！

clc;
clear all;
[imA,map1] = imread('c01_1.tif');%读入图片
M1 = double(imA) / 256; % 归一化处理
[imB,map2] = imread('c01_2.tif');
M2 = double(imB) / 256;

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 小波分解说明  %
zt= 3; 
wtype = 'haar';
%    对参数进行说明
%    M1 - input image A
%    M2 - input image B
%    wtype使用的小波类型
%    Y  - fused image  
 
%   多尺度二维小波分解 对图像进行三层分解，c0和c1都等于 1*65536；s0和s1都等于5*2；
%   c0和c1是对应的整幅图数据的向量；是1*65536的矩阵，由于是两幅图，所以他们的数据时不一样的；
%   s0和s1是分解的层数的矩阵：
%  32	32
%  32	32
%  64	64
%  128	128
%  256	256

[c0,s0] = wavedec2(M1, zt, wtype);
[c1,s1] = wavedec2(M2, zt, wtype);

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%  小波变换图像融合系数的处理 %

%  高频部分：由于小波变换的绝对值大的小波系数，对应着显著的亮度变化，也就是图像中的显著特征。所
%  以，选择绝对值大的小波系数作为我们需要的小波系数。【注意，前面取的是绝对值大小，而不是实际数值 %  大小】
%  低频部分：系数采用二者求平均的方法

KK = size(c1);%KK得到的值是C1的行值和列值；
Coef_Fusion = zeros(1,KK(2));%生成一个1*65536的全零矩阵
Temp = zeros(1,2);%创建一个1*2的全零矩阵

%低频系数的处理 是将1-32个低频数据进行求平均操作；
Coef_Fusion(1:s1(1,1)) = (c0(1:s1(1,1))+c1(1:s1(1,1)))/2; 
                    
%处理高频系数 
MM1 = c0(s1(1,1)+1:KK(2));% 将 33-65536 个数据分别赋值给MM1和MM2；
MM2 = c1(s1(1,1)+1:KK(2));
mm = (abs(MM1)) > (abs(MM2));%比较两个矩阵的绝对值（注意，比较两个矩阵绝对值的大小是对应的元素 
                             %进行相比较的）得到一个mm 矩阵，这个矩阵是一个只有0和1的矩阵当 
                             %(abs(MM1)) > (abs(MM2)) 这个条件满足时就在对应的矩阵的位置赋值 
                             %1 ，如果不满足就在对应位置赋值 0；这样得到的mm 矩阵是一个和 MM1 
                             %和MM2 相同维数的矩阵，
Y  = (mm.*MM1) + ((~mm).*MM2); % 点乘要求参与运算的两个量必须是维数相同，对应的元素相乘；这样
                               %得到的Y 矩阵也是和MM1和MM2同维数的矩阵；运算结果相当于是取 
                               %MM1和MM2 两个矩阵的对应的位置的最大值，这样得到的Y矩阵是一个由 
                               %MM1和MM2矩阵的最大值组成的一个矩阵；
Coef_Fusion(s1(1,1)+1:KK(2)) = Y;%将得到的Y矩阵赋值给Coef_Fusion()的第33-65536 数据的位置；
%处理高频系数end

%小波融合重构
Y = waverec2(Coef_Fusion,s0,wtype);%在重构时，层数和小波基函数类型不变；

%显示图像  
subplot(2,2,1);imshow(M1);
colormap(gray); %为什么显示的时候要使用这个我还没有弄的很明白，从显示的结果来说这个语句似乎没有 
                %多大的影响；
title('input1');
axis square  
 
subplot(2,2,2);imshow(M2);
colormap(gray);
title('input2');
axis square  

subplot(223);imshow(Y,[]);
colormap(gray);
title('融合图像');
axis square;
%% 说明:

这里说明下 axis square和axis equal 的区别：

axis square 当前坐标系图形设置为方形；axis square刻度范围不一定一样，但是一定是方形的。

axis equal 将横轴纵轴的定标系数设成相同值 ,即单位长度相同；axis equal刻度是等长的，但也不一定是方形的。

用代码图形进行解释：

%% axis square和axis equal 的区别
x = 1:0.1:10;
y = x;
subplot(121);plot(y);
axis square;

x1 = 1:0.1:10;
y1 = x1;
subplot(122);plot(y1);
axis equal;