Opencv之图像融合

1.介绍

    主流的图像融合算法主要有以下几种：

    1）直接进行图像拼接，会导致图片之间有很明显的界线

    2）加权平均法，界线的两侧各取一定的比例来融合缝隙，速度快，但不自然

    3）羽化算法，即使得图边缘达到朦胧的效果，效果比加权平均法好，但会导致界线处模糊

    4）拉普拉斯金字塔融合，效果最好，也是本章的猪脚，主题原理可以参见：Opencv之图像金字塔：高斯金字塔和拉普拉斯金字塔

 

2.算法原理

    （1）首先建立两幅图片的高斯金字塔，然后根据高斯金字塔建立拉普拉斯金字塔，层数越高，融合效果越好

    （2）建立一个mask掩膜，表示融合的位置。比如要对图片的中间进行融合，那么其中一张图片所对应的掩膜图像的左半为1，右半为0，另外一张图片所对应的掩膜图像的左半为0，右半为1。将此mask掩膜也建立出一个高斯金字塔，用于后面的融合。

    （3）根据mask掩膜将两幅图像的拉普拉斯金字塔的图像进行权值相加，其结果就生成了一个新的拉普拉斯金字塔。

    （4）将两幅图像的高斯金字塔最高层（根据需求，你自己下采样最小的那个）也根据相对应的mask掩膜进行权值相加

    （5）第（4）所得到的最高层融合图片与第（3）所得到新的拉普拉斯金字塔进行拉普拉斯金字塔融合算法，具体可以参见下图

3.代码

#include "opencv2/opencv.hpp"
#include 
using namespace cv;
using namespace std;

/************************************************************************/
/* 说明：
*金字塔从下到上依次为 [0,1，...，level-1] 层
*blendMask 为图像的掩模
*maskGaussianPyramid为金字塔每一层的掩模
*resultLapPyr 存放每层金字塔中直接用左右两图Laplacian变换拼成的图像
*/
/************************************************************************/


class LaplacianBlending {
private:
	Mat_ left;
	Mat_ right;
	Mat_ blendMask;

	vector > leftLapPyr, rightLapPyr, resultLapPyr;//Laplacian Pyramids
	Mat leftHighestLevel, rightHighestLevel, resultHighestLevel;
	vector > maskGaussianPyramid; //masks are 3-channels for easier multiplication with RGB

	int levels;

	void buildPyramids() {
		buildLaplacianPyramid(left, leftLapPyr, leftHighestLevel);
		buildLaplacianPyramid(right, rightLapPyr, rightHighestLevel);
		buildGaussianPyramid();
	}

	void buildGaussianPyramid() {//金字塔内容为每一层的掩模
		assert(leftLapPyr.size()>0);

		maskGaussianPyramid.clear();
		Mat currentImg;
		cvtColor(blendMask, currentImg, CV_GRAY2BGR);//store color img of blend mask into maskGaussianPyramid
		maskGaussianPyramid.push_back(currentImg); //0-level

		currentImg = blendMask;
		for (int l = 1; l l)
				pyrDown(currentImg, _down, leftLapPyr[l].size());
			else
				pyrDown(currentImg, _down, leftHighestLevel.size()); //lowest level

			Mat down;
			cvtColor(_down, down, CV_GRAY2BGR);
			maskGaussianPyramid.push_back(down);//add color blend mask into mask Pyramid
			currentImg = _down;
		}
	}

	void buildLaplacianPyramid(const Mat& img, vector >& lapPyr, Mat& HighestLevel) {
		lapPyr.clear();
		Mat currentImg = img;
		for (int l = 0; l reconstructImgFromLapPyramid() {
		//将左右laplacian图像拼成的resultLapPyr金字塔中每一层
		//从上到下插值放大并相加，即得blend图像结果
		Mat currentImg = resultHighestLevel;
		for (int l = levels - 1; l >= 0; l--) {
			Mat up;

			pyrUp(currentImg, up, resultLapPyr[l].size());
			currentImg = up + resultLapPyr[l];
		}
		return currentImg;
	}

	void blendLapPyrs() {
		//获得每层金字塔中直接用左右两图Laplacian变换拼成的图像resultLapPyr
		resultHighestLevel = leftHighestLevel.mul(maskGaussianPyramid.back()) +
			rightHighestLevel.mul(Scalar(1.0, 1.0, 1.0) - maskGaussianPyramid.back());
		for (int l = 0; l blendedLevel = A + B;

			resultLapPyr.push_back(blendedLevel);
		}
	}

public:
	LaplacianBlending(const Mat_& _left, const Mat_& _right, const Mat_& _blendMask, int _levels) ://construct function, used in LaplacianBlending lb(l,r,m,4);
		left(_left), right(_right), blendMask(_blendMask), levels(_levels)
	{
		assert(_left.size() == _right.size());
		assert(_left.size() == _blendMask.size());
		buildPyramids();	//construct Laplacian Pyramid and Gaussian Pyramid
		blendLapPyrs();	//blend left & right Pyramids into one Pyramid
	};

	Mat_ blend() {
		return reconstructImgFromLapPyramid();//reconstruct Image from Laplacian Pyramid
	}
};

Mat_ LaplacianBlend(const Mat_& l, const Mat_& r, const Mat_& m) {
	LaplacianBlending lb(l, r, m, 4);
	return lb.blend();
}

int main() {
	Mat l8u = imread("apple.png");
	Mat r8u = imread("orange.png");

	imshow("left", l8u);
	imshow("right", r8u);

	Mat_ l; l8u.convertTo(l, CV_32F, 1.0 / 255.0);//Vec3f表示有三个通道，即 l[row][column][depth]
	Mat_ r; r8u.convertTo(r, CV_32F, 1.0 / 255.0);

	//create blend mask matrix m
	Mat_ m(l.rows, l.cols, 0.0);					//将m全部赋值为0
	m(Range::all(), Range(0, m.cols / 2)) = 1.0;	//取m全部行&[0,m.cols/2]列，赋值为1.0

	Mat_ blend = LaplacianBlend(l, r, m);
	imshow("blended", blend);

	waitKey(0);
	return 0;
}

    效果：

 

4.参考资料

    https://blog.csdn.net/abcjennifer/article/details/7628655