图像dct变换编码matlab,dct算法MATLAB代码
1.针对普通相机拍摄图像中的区域曝光问题，提出了一种改进的基于离散余弦变换的多曝光图像融合算法。将同一场景的几幅不同曝光的图像分块，对每个块进行离散余弦变换。对从相应位置提取的低频系数进行平均加权，得到图像近似部分的融合分量；对于高频系数，基于区域标准差确定权重系数，根据权重系数得到细节的融合分量。最后通过离散余弦逆变换得到质量较好的多曝光融合图像。仿真实验表明，当低频系数为25%，高频系数为75%时，显示的图像细节更加丰富。
第2部分代码函数[imf]=mrdctf(im1，im2，J)
基于多分辨率1D DCT的图像融合
%开发人员：VPS Naidu，MSDF实验室
% input: im1 im2要融合的图像
% J分解层数
%输出：imf融合图像
imfr=mrdctif(im1，im2，J)；
imfc=mrdctif(im1 ，im2 ，J)；
IMF=0.5 *(imfr imfc)；
function[imf]=mrdctif(im1，im2，J)
基于DCT的多分辨率图像融合
[m，n]=大小(im1)；
x1=c2dt1d(im1，m，n)；
x2=c2dt1d(im2，m，n)；
对于i=1:J
x1 { I }=mrdct(x1)；
X2 { I }=mrdct(x2)；
x1=X1{i}。l；
x2=X2{i}。l；
目标
% fusion从这里开始
Xf。L=0.5*(X1{J}。X2{J}。l)；
对于i=J:-1:1
D=(abs(X1{i})。(X2{i})。h))
Xf。H=D.*X1{i}。H (~D)。*X2{i}。h；
Xf。l=imrdct(Xf)；
目标
imf=c1d2d(Xf。l，m，n)；
函数[R]=c2dt1d(R，m，n)
从2D阵列到1D向量的转换百分比
R(2:2:end，)=R(2:2:end，end:-1:1)；
R=reshape(R ，1，m * n)；
函数[R]=c1d2d(R，m，n)
从1D向量到2D阵列的转换百分比
R=shape(R，n，m)；
R(2:2:end，)=R(2:2:end，end:-1:1)；
函数[X]=mrdct(x)
%多分辨率分析
n=长度(x)；
Y=dct(x，n)；
X.l=IDCT(Y(1:n/2))；%低频
X.h=Y(n/2 ^ 1:n)；%低频
函数[x]=imrdct(X)
%逆多分辨率分析
XL=DCT(X . L)；
X=[XL X . H]；
x=IDCT(x)；3模拟结果
编辑
4参考文献[1]，马，刘英.基于DCT变换的多曝光图像融合方法[J].Xi邮电大学学报，2016，21(6):4。
博主：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等领域的Matlab仿真。相关的matlab代码问题可以私信交流。有些理论引用自网络文献。如有侵权，联系博主删除。
原创作品来自matlab研究助手，
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。