基于双边梯度锐化的多焦点图像融合系统

资 源 简 介

该项目实现了基于J. Tian等学者提出的双边梯度锐化标准的多焦点图像融合算法。其核心功能是处理针对同一场景但在不同焦距下拍摄的一组源图像，通过数学建模识别各图像中的清晰区域并将其合成为一幅全焦图像。 该算法的主要实现方法在于引入了双边梯度的概念，利用像素间的对比度和空间邻域特征来衡量图像的局部锐化程度。具体流程包括对输入图像进行重叠分块处理，应用双边梯度算子计算每个像素点或图像块的锐化评价值，从而生成初始的聚焦决策图。为了提高融合质量，系统还包含了决策图精炼步骤，通过空间一致性验证、形态学滤波或一致性检

详 情 说 明

基于双边梯度锐化标准的多焦点图像融合系统

项目介绍

本系统实现了一种基于双边梯度锐化标准（Bilateral Gradient Sharpening Criterion）的多焦点图像融合算法。该算法参考了J. Tian等学者的研究成果，旨在解决光学镜头受物理景深限制，导致同一场景下无法使所有物体同时清晰的问题。系统通过数学建模识别不同信源图像中的聚焦区域，提取清晰像素，并将其合成一幅全焦图像。该算法在保持边缘细节、抑制融合边缘伪影以及提高聚焦评价准确度方面具有显著优势。

功能特性

• 双边梯度敏感度：结合空间距离和像素值差异双重因素，能够更准确地捕捉图像的局部高频细节。
• 多级决策图精炼：集成了中值滤波、形态学闭运算/开运算以及空间一致性滤波，有效消除了噪声导致的误判。
• 端到端融合流程：从测试图像生成、特征提取到最终合成结果的定量评价，实现了完整的自动化处理。
• 自适应彩色处理：系统支持彩色图像输入，通过灰度域计算聚焦特征并将其精准应用到红、绿、蓝三个色彩通道。
• 量化性能评估：通过计算平均梯度（Average Gradient）指标，量化对比融合前后图像的清晰度提升。

系统要求

• 环境需求：MATLAB R2016b 或更高版本。
• 工具箱需求：Image Processing Toolbox（图像处理工具箱）。

实现逻辑说明

系统的核心实现流程严格遵循以下步骤：

1. 环境初始化与数据准备：首先清理工作区，随后调用模拟数据生成模块。该模块读取标准测试图，利用高斯模糊核（PSF）分别对图像的左侧和右侧进行模糊处理，并添加适量高斯噪声，模拟现实场景中的多焦点源图像。
2. 双边梯度特征提取：将输入图像转化为双精度浮点格式。针对每个像素，在预设的窗口（如 7x7）内计算双边梯度。通过结合空间邻域高斯权重（Sigma_s）和值域相似度高斯权重（Sigma_r），计算像素点与邻域的绝对差值总和。该指标能够反映局部区域的对比度和锐化程度。
3. 初级决策矩阵生成：比较两幅源图像在相同坐标位置的双边梯度值，根据“大者优先”原则生成初始的二值化聚焦掩膜。
4. 决策图多步优化：

* 区域一致性检查：通过 9x9 的中值滤波去除初始决策图中的孤立噪声点。 * 形态学处理：利用半径为 5 的盘状结构元素进行闭运算和开运算，填充掩膜内部孔洞并平滑连通域边界。 * 边界平滑化：使用均值滤波器对二值图进行软化处理，并重新进行阈值判定，确保融合边界的过渡自然，减少分块感。

1. 像素级融合合成：根据精炼后的权重矩阵，在源图像的各颜色通道进行权重分配。决策值为1的区域选取图A像素，为0的区域选取图B像素。
2. 结果可视化与评价：同步展示源图像、双边梯度特征分布图、最终决策图以及融合效果图。通过计算全焦图像的平均梯度模值，提供客观的清晰度量化依据。

关键函数与算法分析

• 双边梯度评价算子：该算法的核心在于其不仅考虑了空间位置关系，还引入了像素灰度相似性。这使得算法在平缓区域对噪声不敏感，而在边缘区域能极大地增强对焦点变化的捕获能力。计算完成后，还会对特征图进行一次高斯平滑，以提高算法的鲁棒性。
• 自研测试图像仿真函数：该函数通过生成互补的遮罩（Mask）和应用高斯模糊模版，在没有实拍数据集的情况下，能快速构造标准的左焦和右焦图像，方便算法调试。
• 平均梯度计算函数：作为图像质量的评价准则，该函数利用梯度算子计算横向和纵向的梯度矢量和，反映了图像中细节反差的大小和纹理变换特征，数值越高代表融合效果越清晰。
• 空间一致性约束：代码中通过多次形态学操作和低通滤波的组合，保证了“聚焦区域应是连续的”这一物理特性，避免了传统像素级融合中常见的散斑噪声问题。