• 【图像融合】梯度域中的多曝光多焦点图像融合算法研究附matlab代码


    ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

    🍎个人主页:Matlab科研工作室

    🍊个人信条:格物致知。

    更多Matlab仿真内容点击👇

    智能优化算法  神经网络预测 雷达通信  无线传感器

    信号处理 图像处理 路径规划 元胞自动机 无人机

    ⛄ 内容介绍

    多聚焦图像融合就是将多幅已经配准的、成像条件相同而且关于同一场景的不同焦点图像,融合成一幅各处都清晰的图像。对于可见光成像系统来讲,由于光学镜头的焦距有限,很难将场景中的所有目标都成像清晰,这一问题可以通过采用多聚焦图像融合技术来解决。该技术能够有效地提高图像信息的利用率和系统对目标探测识别的可靠性。这些优点使该技术正日益广泛地应用于机器视觉、数码相机、目标识别等领域。

    ⛄ 部分代码

    function J = ChannelNorm(I,r)

    % function ChannelNorm.m

    % -------------------------------------------------------------------------

    % This function normalizes the image I to a required range using a 

    % non-linear transformation 

    % Inputs:

    %       I = the image (two dimensional array, e.g. an image in grayscale 

    %           representation or one channel in a multi-channel image

    %           in RGB or YCbCr representaion)

    %       r = a vector with two elements representing the minimum and 

    %           maximum values of the range onto which the image range has to 

    %           be projected;  r = [minimum_value maximum_value];

    % Output:

    %       J = the image I projected to the desired range r

    % Written by : Sujoy Paul, Jadavpur University, 2014

    %         At : University of Victoria, Canada

    % Modified by: Ioana Sevcenco, University of Victoria, Canada

    % Last updated: November 19, 2014

    Ran = range(r);

    L = range(I(:));

    gam = log(Ran)/log(L);

    J = Ran*((I-min(I(:)))./(L)).^gam+r(1);

    end

    ⛄ 运行结果

    ⛄ 参考文献

    [1]Gu Bo, 古博, Lai Zuo-mei,等. 梯度域多曝光图像融合[C]// 中国航空学会信息融合分会. 中国航空学会信息融合分会, 2018:6.

    [2]古博. 梯度域多曝光图像融合[J]. 电讯技术, 2018, v.58;No.354(05):89-94.

    ❤️ 关注我领取海量matlab电子书和数学建模资料

    ❤️部分理论引用网络文献,若有侵权联系博主删除

  • 相关阅读:
    工作工具历史记录
    【小白刷leetcode】第15题
    Win11没有画图工具怎么重新安装
    Java--求两个整数的最大公约数和最小公倍数
    Springboot学生成绩管理系统idea开发mysql数据库web结构java编程计算机网页源码maven项目
    mybatis-plus通用业务分页查询封装
    java 内部类
    1688平台商品详情api接口
    【Linux基础】Linux发展史
    基于UNI-APP实现适配器并保证适配器和实现的调用一致
  • 原文地址:https://blog.csdn.net/qq_59747472/article/details/127561197