一种基于傅立叶频谱提取的图像融合方法与流程

本发明涉及一种于图像融合方法，具体涉及一种基于傅立叶变换频谱提取的图像融合方法，属于图像处理技术领域。

背景技术：

图像融合作为信息融合的一个重要领域已经广泛应用于遥感、计算机视觉、医学、军事目标探测和识别等方面。

目前比较流行的是源于多分辨率的方法，这类方法一大类是基于图像的高斯金字塔分解，然后派生出拉普拉斯金字塔，灰度金字塔，梯度金字塔等；另一大类是基于小波分解的算法，基本思想是把图像分解到不同分辨率下的一个系列予图像，其中每一级包含一个包含低频信息的模糊子图像和三个行、列，对角线方向上的高频细节子图像。这两类方法的共同之处都是在不同的分辨下各自按一定的规则融合，得到一个融合后的图像序列。

技术实现要素：

本发明所要解决的技术问题是提供一种基于傅立叶频谱提取的图像融合方法，该方法通过傅里叶变换提取图像清晰区域，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的方法。

为解决上述技术问题，本发明所采用的技术方案为：

一种基于傅立叶频谱提取的图像融合方法，所述图像融合方法通过对不同对焦位置的图像进行傅里叶变换，在变换后的频域空间中提取不同对焦位置图像中频率幅值最大的值对应的频率分量，将该分量作为融合图像在对应空间频率下的频率分量，遍历每个频率生成融合后图像的频域分量；最后对融合后图像的频域分量进行傅里叶逆变换，得到融合后的图像。

其中，上述基于傅立叶频谱提取的图像融合方法，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)是所述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)利用二维离散傅立叶变换，将步骤(1)中获取的n幅空间域的灰度图像变换到频域，得到每一幅图像的频率分量：

其中，(fx，fy)是空间频率的坐标，表示了x，y方向上的空间频率，|fn(fx，fy)|是频域幅值的大小；

(3)根据步骤(2)中获取的频域幅值的大小|fn(fx，fy)|，提取空间频率(fx，fy)下n幅图中频率幅值|fn(fx，fy)|最大的值所对应的频率分量作为融合图像的在该空间频率下的频率分量；遍历频率域内每一点(即每一个空间频率(fx，fy))采用上述的方法，最终生成n幅图融合后的频域分量：

fn(fx，fy)→f(fx，fy)；

(4)利用二维离散傅立叶逆变换对步骤(3)中获取的融合后的频域分量进行逆变换，获取空间域重构后的灰度图像，即为n幅图融合后的图像：

f(x，y)就是重构之后得到的灰度图像。

其中，步骤(1)中，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，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：本发明的图像融合方法，通过对不同对焦位置的图片的傅立叶变换，理解频域信号代表了空间域中图像的边缘、纹理等信息，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，利用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，并且该方法计算简单、融合后的图像包含更多图像细节。

附图说明

图1为本发明基于傅立叶频谱提取的图像融合方法的流程图；

图2为本发明中同一视场、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二维离散傅立叶变换后的空间频率域分布的图像；

图4为图3中三幅空间频率域分布的图像融合后的频率域图像；

图5为图4通过二维离散傅立叶逆变换后重建的空间域的图像。

具体实施方式

根据下述实施例，可以更好地理解本发明。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发明，而不应当也不会限制权利要求书中所详细描述的本发明。

如图1～5所示，本发明图像融合方法，基于傅立叶变换，提取图像清晰区域，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的图片。

本发明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)。

本发明方法具体包含如下步骤：

(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)是所述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)利用二维离散傅立叶变换，将步骤(1)中获取的n幅空间域的灰度图像变换到频域，得到每一幅图像的频率分量：

其中，(fx，fy)是空间频率的坐标，表示了x，y方向上的空间频率，|fn(fx，fy)|是频域幅值的大小，其值越大表示该频率分量成分含量越多，图像的细节信息就越丰富。

(3)根据步骤(2)中获取的频域幅值的大小|fn(fx，fy)|，提取空间频率(fx，fy)下n幅图中频率幅值|fn(fx，fy)|最大的值所对应的频率分量作为融合图像的在该空间频率下的频率分量；遍历频率域内每一点(即每一个空间频率(fx，fy))采用上述的方法，最终生成n幅图融合后的频域分量：

fn(fx，fy)→f(fx，fy)

(4)空间域图像重构步骤，因为fx，fy的方向性，f(fx，fy)包含了n幅图像中不同位置处的图像的细节信息，为了从频域还原到空间域得到融合后的图像效果，利用二维离散傅立叶逆变换对步骤(3)中获取的融合后的频域分量进行逆变换，获取空间域重构后的灰度图像，即为n幅图融合后的图像：

f(x，y)就是重构之后得到的灰度图像。

图2中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。