基于离散小波变换的图像融合算法源码

资 源 简 介

本项目是一个基于离散小波变换（DWT）技术的图像融合算法示例，旨在解决多聚焦图像或多模态图像的合成问题。系统的主要功能是将两幅同一场景但侧重点不同（例如每幅图只有部分区域清晰，或者来自不同传感器）的图像，融合成一幅整体清晰、信息量更丰富的高质量图像。实现流程首先对输入的两幅源图像进行多层小波分解，将图像数据转换为不同尺度下的低频近似系数和高频细节系数。在系数融合阶段，针对低频分量采用加权平均融合规则以保持图像的整体轮廓和亮度稳定性；针对高频分量采用绝对值最大或区域能量最大的融合规则，以最大限度地保留图像的边缘、纹理等细节信息。最后通过小波逆变换（IDWT）重构得到最终的融合图像。该项目代码逻辑结构清晰，包含完整的注释，展示了从图像读取、分解、融合到重构的全过程，非常适合作为计算机视觉、数字图像处理课程的教学示例，也可用于辅助医学影像分析或遥感图像处理的研究。

详 情 说 明

基于MATLAB的小波变换图像融合系统

项目简介

本项目实现了一个基于离散小波变换（Discrete Wavelet Transform, DWT）的图像融合算法示例。主要目的是演示如何将两幅同一场景但聚焦区域不同的图像（多聚焦图像）融合成一幅整体清晰、信息量更丰富的高质量图像。

系统内置了模拟多聚焦图像生成的逻辑，无需外部数据集即可运行演示。该代码逻辑清晰，涵盖了从图像生成、预处理、小波分解、系数融合、逆变换重构到最终评估可视化的完整流程，适合作为数字图像处理或计算机视觉领域的教学与研究参考。

功能特性

• 自动模拟多聚焦场景：程序自动加载内置图像并生成一对互补的模糊图像（左侧清晰/右侧模糊 vs 左侧模糊/右侧清晰），方便直观对比融合效果。
• 支持彩色/灰度图像：算法具备通道自适应能力，能够自动识别RGB彩色图像并对R、G、B三个通道分别进行小波融合处理，也支持单通道灰度图像。
• 多尺度小波分解：利用MATLAB小波工具箱，采用Daubechies小波（db4）进行3层分解，有效提取图像的深层特征。
• 自适应融合规则：

* 低频部分：采用加权平均法，保持图像亮度和整体结构的平滑性。 * 高频部分：采用绝对值最大原则，最大程度保留边缘、纹理等清晰细节。

• 可视化与评估：提供直观的对比展示（源图像A、源图像B、融合结果），并计算图像信息熵作为量化评估指标。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）
• Wavelet Toolbox（小波工具箱）

使用方法

1. 确保MATLAB环境已安装上述工具箱。
2. 将项目代码保存为 .m 文件。
3. 在MATLAB命令行窗口中直接运行主函数。
4. 程序将自动执行并在屏幕上弹出结果窗口，并在控制台输出信息熵评估数据。

详细实现逻辑与算法分析

本项目的主程序与核心算法逻辑完全包含在一个脚本文件中，具体实现细节如下：

1. 图像输入与模拟生成

程序启动后，首先尝试读取MATLAB内置的 peppers.png 图像。如果未找到该图像，系统会自动生成一幅随机噪声图像作为替补，确保代码在任何环境下均可运行。

• 尺寸归一化：将源图像统一调整为 512x512 像素。
• 模糊模拟：使用半径为8的圆盘（Disk）模糊算子对源图像进行滤波。
• 多聚焦构造：通过简单的区域拼接技术生成两幅测试图像：

* 图像A：保留左半部分原图，右半部分替换为模糊图像。 * 图像B：左半部分替换为模糊图像，保留右半部分原图。

2. DWT 图像融合核心算法

融合过程封装在核心处理函数中，具体步骤如下：

• 预处理：检查两幅输入图像尺寸是否一致，若不一致则自动调整。随后将图像数据转换为双精度浮点型（double），以便进行精确的数学运算。
• 通道处理：对于RGB图像，算法将分离红、绿、蓝三个通道，分别调用单通道融合算法，最后再合并结果；对于灰度图则直接处理。
• 小波分解：使用 db4（Daubechies 4）小波基，对图像进行 3 层二维离散小波分解（wavedec2），由于分解层数为3，图像被分解为不同尺度下的近似系数和细节系数。
• 系数融合策略：

* 低频近似系数（Approximation）：代表图像的概貌和背景。代码采用平均值法融合，即将两幅图的低频系数相加除以2。这种方法能有效保留背景信息并抑制部分背景噪声。 * 高频细节系数（Details）：代表图像的边缘和轮廓。代码遍历所有分解层级（1至3层）的水平、垂直和对角方向分量，采用绝对值最大法。即逐像素比较两个源图像对应位置系数的绝对值，选取绝对值较大的那个系数作为融合后的系数。这确保了图像中对比度最强、最清晰的特征被保留下来。

• 小波重构：利用融合后的低频和高频系数，结合分解时的结构信息，执行二维小波逆变换（waverec2），还原出最终的融合图像。

3. 客观评估指标

为了量化分析融合效果，代码实现了一维图像熵（Entropy）的计算功能：

• 先将图像转换为灰度并量化为0-255的整数。
• 计算图像的灰度直方图及各灰度级的概率分布。
• 根据香农熵公式计算信息熵。
• 在控制台输出源图像A、源图像B及融合图像的熵值。通常情况下，融合图像的熵值应高于任一单幅源图像，表明融合后的图像包含了更丰富的信息量。

4. 结果可视化

程序最后创建一个包含三个子图的窗口：

• 左侧显示“左侧清晰”的源图像A。
• 中间显示“右侧清晰”的源图像B。
• 右侧显示“全清晰”的最终融合图像。

每个子图均附带标题和尺寸说明，旨在直观验证融合算法是否成功结合了来自两幅源图像的清晰区域。