一种基于梯度域映射的图像融合方法技术

本发明专利技术公开了一种基于梯度域映射的图像融合方法，该方法基于梯度域，提取图像清晰信息然后映射到空间域，从而实现在小景深的拍摄条件下，利用多张图融合，生成一张在沿拍摄方向上包含不同深度物体细节信息图片。该方法能够在不更换相机和镜头的情况下，在相同的拍摄环境和视场，利用多张相同分辨率的图片合成具有不同位置物体细节信息的图片，为计算机视觉检测等应用领域提供了一种快速便捷的图像融合方法。

An image fusion method based on gradient domain mapping

The invention discloses an image fusion method based on gradient domain mapping. Based on gradient domain, the method extracts clear image information and maps it to space domain, so as to realize the fusion of multiple images under the shooting condition of small depth of field and generate a picture containing detailed information of objects in different depths along the shooting direction. In the same shooting environment and field of view, this method can synthesize pictures with different position details by using multiple pictures of the same resolution without changing the camera and lens, which provides a fast and convenient image fusion method for computer vision detection and other application fields.

【技术实现步骤摘要】
一种基于梯度域映射的图像融合方法
本专利技术涉及一种于图像融合算法，具体涉及一种基于梯度域映射的图像融合算法，属于图像处理

技术介绍
图像融合是利用给定方法将同一目标场景的多幅图像变成一幅包含丰富信息的图像，融合后的图像包含了原始图像的所有信息。图像融合技术应用非常广泛，目前，已广泛应用于医学、遥感等领域图像融合的结构一般分为三个层次：像素级融合、特征级融合、决策级融合。像素级融合是最简单也是最直接的一种融合方法，即直接将从图像传感器获得的图像数据进行处理而获得融合图像，其融合算法有PCA和小波分解融合法等；特征级融合首先获得图像的不同特征，然后利用某些算法融合图像的这些特征；决策级融合是最高级的融合，融合方法有基于贝叶斯法的决策级融合等。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于梯度域映射的图像融合方法，该方法基于梯度域，提取图像清晰信息然后映射到空间域，从而实现在小景深的拍摄条件下，利用多张图融合，生成一张在沿拍摄方向上包含不同深度物体细节的信息图片。为解决上述技术问题，本专利技术所采用的技术方案为：一种基于梯度域映射的图像融合方法，将多幅不同对焦位置的图像相融合，生成不同对焦位置物体细节同时清晰的图像，所述方法将待融合的多幅图像进行梯度域变换，在梯度域下提取每一个像素点对应的多幅图像中梯度膜的最大值作为最终融合图像在该像素点的梯度值，遍历每个像素点得到最终融合图像的梯度域分布；将多幅待融合图像根据得出的梯度域分布映射到同一空间域内，获得融合后的图像。其中，上述基于梯度域映射的图像融合方法，具体包括以下步骤：(1)对待融合的多幅图像获取每一幅图像的灰度图像信息：fn(x，y)，(x＜K，y＜L)，n＝1，2，...，N其中，(x，y)是灰度图像的像素坐标，K和L分别是图像x和y方向的边界值，N为多幅图像的总数量；(2)利用哈密顿算子构造出N幅图像的梯度域：其中，为沿x、y方向的单位方向矢量，|grandfn(x，y)|是梯度域下梯度的模；(3)根据梯度域下梯度的模|grandfn(x，y)|的大小，提取N幅图中(x，y)像素点对应的梯度的模值的最大值，作为最终图像在该(x，y)点的梯度值；遍历每一个像素坐标(x，y)，采用上述的方法，最终生成所有像素点下融合后的梯度域分布：grandfn(x，y)→grandf(x，y).(4)根据步骤(3)获取的梯度域分布，遍历每一个像素点(x，y)，在该像素点下选取梯度域对应的所在图像的像素点值作为融合后的图像的像素点，实现N幅图通过梯度域分布，映射到同一空间域内，获得融合后的图像：其中，f(x，y)为映射之后得到的融合后的灰度图像。其中，步骤(1)中，所述多幅图像的数量N大于等于2。其中，步骤(1)中，被融合的多幅图像具有相同的视场范围和分辨率。其中，步骤(1)中，所述多幅图像对不同深度位置的物体或同一物体具有不同的对焦深度。有益效果：本专利技术的图像融合方法，由于梯度值的大小反映了图像在该点的变化大小(细节信息)，通过选取最大梯度模值来映射对应的灰度值，将不同位置的细节信息提取出来，能够在不更换相机和镜头的情况下，在相同的拍摄环境和视场，利用多张相同分辨率的图片合成具有不同位置物体细节信息的图片，为计算机视觉检测等应用领域提供了一种快速便捷的图像融合方法。附图说明图1为本专利技术基于梯度域映射的图像融合方法的流程图；图2为本专利技术中同一视场、用同一相机拍摄不同对焦面的待融合图像；图3是图2中三张图分别对应的梯度域模值分布的图像；图4是图3中三幅梯度域模值分布图像融合后的梯度域图像；图5是通过图4映射后重建的空间域图像。具体实施方式根据下述实施例，可以更好地理解本专利技术。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本专利技术，而不应当也不会限制权利要求书中所详细描述的本专利技术。如图1所示，本专利技术图像融合方法基于梯度域，提取图像清晰信息然后映射到空间域，从而实现在小景深的拍摄条件下，利用多张图融合，生成一张在沿拍摄方向上包含不同深度物体细节信息图片。本专利技术算法需要在相同的视场范围内，通过改变镜头的对焦位置，在不同的深度方向(Z方向)拍摄N幅图像。由于受限于镜头的景深，每幅图像只有在对焦面附近前后很小的深度能清晰成在像面上(X、Y方向)。为了能在一张图上显示拍摄物体(或空间)三维(X、Y、Z方向)的信息，要将N幅图进行融合，生成一张图像。从该图像上可以获取不同深度位置物体的细节信息(X、Y方向)。本专利技术方法具体包括以下步骤：(1)对待融合的多幅图像获取每一幅图像的灰度图像信息：fn(x，y)，(x＜K，y＜L)，n＝1，2，...，N其中，(x，y)是灰度图像的像素坐标，K和L分别是图像x和y方向的边界值，N为多幅图像的总数量，N大于等于2。多幅图像具有相同的视场范围和分辨率。多幅图像对不同深度位置的物体或同一物体具有不同的对焦深度；(2)利用哈密顿算子构造出N幅图像的梯度域：其中，为沿x、y方向的单位方向矢量，|grandfn(x，y)|是梯度域下梯度的模，反应了该点灰度的变化大小，其值越大表示该点处的梯度变换越明显，对应的图像细节信息就越丰富；(3)根据梯度域下梯度的模|grandfn(x，y)|的大小，提取N幅图中(x，y)像素点对应的梯度的模值的最大值，作为最终图像在该(x，y)点的梯度值；遍历每一个像素坐标(x，y)，采用上述的方法，最终生成所有像素点下融合后的梯度域分布：grandfn(x，y)→grandf(x，y)；(4)空间域映射重构步骤，融合后的梯度图在每一点具有最大的梯度模值，则其对应的空间信息也最为丰富；根据步骤(3)获取的梯度域分布，遍历每一个像素点(x，y)，在该像素点下选取梯度域对应的所在图像的像素点值作为融合后的图像的像素点，实现N幅图通过梯度域分布，映射到同一空间域内，获得融合后的图像：其中，f(x，y)为映射之后得到的融合后的灰度图像。图2为分别只在各自对焦的位置处的图片显示很清晰，即边缘和细节纹理信息比较丰富；而在融合后的图像中(图5)，三处对焦位置的细节信息很好的融合到了一张图中，即从一张图中可以看到不同拍摄深度位置物体的细节信息，较有效的实现了图像融合的效果。本文档来自技高网...

【技术保护点】
1.一种基于梯度域映射的图像融合方法，其特征在于：所述方法将待融合的多幅图像进行梯度域变换，在梯度域下提取每一个像素点对应的多幅图像中梯度膜的最大值作为最终融合图像在该像素点的梯度值，遍历每个像素点得到最终融合图像的梯度域分布；将多幅待融合图像根据得出的梯度域分布映射到同一空间域内，获得融合后的图像。/n

【技术特征摘要】
1.一种基于梯度域映射的图像融合方法，其特征在于：所述方法将待融合的多幅图像进行梯度域变换，在梯度域下提取每一个像素点对应的多幅图像中梯度膜的最大值作为最终融合图像在该像素点的梯度值，遍历每个像素点得到最终融合图像的梯度域分布；将多幅待融合图像根据得出的梯度域分布映射到同一空间域内，获得融合后的图像。


2.根据权利要求1所述的基于梯度域映射的图像融合方法，其特征在于，具体包括以下步骤：
(1)对待融合的多幅图像获取每一幅图像的灰度图像信息：
fn(x，y)，(x＜K，y＜L)，n＝1，2，...，N
其中，(x，y)是灰度图像的像素坐标，K和L分别是图像x和y方向的边界值，N为多幅图像的总数量；
(2)利用哈密顿算子构造出N幅图像的梯度域：



其中，为沿x、y方向的单位方向矢量，|grandfn(x，y)|是梯度域下梯度的模；
(3)根据梯度域下梯度的模|grandfn(x，y)|的大小，提取N幅图中(x，y)像素点对应的梯度的模值的最大...

【专利技术属性】
技术研发人员：彭新雨，周威，
申请(专利权)人：茂莱南京仪器有限公司，
类型：发明
国别省市：江苏;32