Matlab源码支持的四叉树加权聚焦多聚焦图像融合技术如何实现？

本文共计880个文字，预计阅读时间需要4分钟。

1. 简介四叉树分割算法将待分割的源图像A和B定义为图像块组，若图像块组中图像数量较多，则称其为图像块序列。首先进行分割的图像块组（源图像）称为四叉树的根节点。

1 简介

四叉树分解算法将待分解的源图像A和源图像B定义为一对图像块组，若源图像块组中图像数量较多，则称之为图像块序列，最先进行分解的图像块组(源图像)称为四叉树的根节点，由根节点开始对图像块进行分解，每次分解为4个叶子节点，以此类推，直至分解条件结束。对每一次分解结果进行聚焦度测算，若符合RPCA判定条件阈值，则本节点停止分解，其余叶子节点继续分解，下面详细阐述本算法流程:首先，假定两种情况作为图像块分解的基础实施条件，

情况1:被分解出的块为全聚焦块。

情况2:被分解出的块含有聚焦部分和非聚焦部分。其次将含有m(m≥2)幅源图像的图像序列输入四叉树结果的根节点，对于根节点块序列，若其在RPCA检测中符合情况1，则本块不需要继续分解，否则符合情况2，需要进行第二级的四叉树分解，持续进行本过程，直到所有的聚焦区域被找出，或者已持续进行至四叉树的分解的最大级数。本文最终将源图像分解为2×2大小的图像块，其对应的分解级为最大分解级(max level) ，最大分解级的计算方式如下式所示:

​

其中M × N为源图像尺寸，lg为对数运算符。

在进行四叉树分解前，输入至根节点的源图像需要进行正方形映射处理，以便分解至最终形态。