基于小波變換的圖像動態融合技術

摘 要

本文探討了圖像摳圖和融合兩個內容，通過trimap圖將獲得圖像前景的mask圖，以及通過mask和原圖融合獲得前景圖像，mask求補后與背景圖融合后的圖像，最終前后景圖像融合成新的圖像的方法，所有融合前都需對圖像進行小波變換，對近似圖像融合后，逆小波變換得到最終的融合圖像。本文實例均在Matlab平臺下通過測試和驗證。

【關鍵詞】trimap mask 小波變換融合

小波分析具有多分辨等特點，可以有效地將特征明顯、分辨率高的圖像融合在一起，得到比任何一幅源圖像效果都好的圖像，因此本文中的融合方法均采用小波分解和你小波重構的方法。本文采用了泊松摳圖的思想的learningBasedMatting，首先將彩色原圖轉換為灰度圖像，并得到trimap圖，然后得到mask掩像，這種方法適合于顏色變化較光滑的圖像。得到mask圖像，就有了選擇的范圍，便可分別于前景圖像和背景圖像進行小波變換、融合后重構成最終的融合圖像，實現的步驟如圖1所示。

1 獲得前景圖像

本文中獲得前景的方法和步驟是，對原圖和mask圖分別進行2級的haar小波分解，對逼近值選擇min，對于細節值則選擇min，發現細節值選擇min比max和其他的值來比較，融合后逆小波變換得到的圖像邊緣比較精細，相對光滑，鋸齒狀不明顯，效果較好。

2 獲得背景圖像

本文中獲得前景的方法和步驟是，在獲得帶有mask范圍的背景圖之前，要先將mask圖進行求補，獲得新的mask圖，對原圖和mask圖分別進行2級的haar小波分解，對逼近值選擇min，對于細節值則選擇min，發現細節值選擇min比max和其他的值來比較，融合后逆小波變換得到的圖像邊緣比較精細，相對光滑，鋸齒狀不明顯，效果較好。

3 前后背景融合

通過上述的方法和步驟后，分別獲得了前景圖像和背景圖像，將要進行最后的融合，前、背景圖像同樣需要進行小波分解，融合分解后的近似逼近的部分，減少細節部分的影響，重構成為新的融合圖像，如圖2所示。

4 結束

綜上所述，本文采用了基于小波變換的圖像的融合的方法，通過對原圖使用trimap圖獲取mask圖，作為后續步驟的前提，在獲得前景和背景圖時，分別都采用了先小波分解，其中不同參數設置影響最終逆小波分解重構圖像的效果。整體來看，本例中使用的小波變換方法融合圖像取得了較好的效果，在今后的研究中對融合圖像前后景的邊緣處理提高光滑度。

參考文獻

[1]Learning Based Digital Matting，Yuanjie Zheng and Chandra Kambhamettu The 20th IEEE International Conference on Computer Vision，2009.

[2]劉衍琦，詹福宇.Matlab圖像與視頻處理使用案例詳解[M].電子工業出版社，2005.

作者簡介

謝鵬（1975-），男，山西省運城市人。碩士研究生學歷。現供職于銀川能源學院信息傳媒學院。研究方向為數字圖像融合。

作者單位

銀川能源學院信息傳媒學院 寧夏回族自治區銀川市 750100