资源简介
利用典型的加权平均融合算法进行灰度或彩色多模态医学图像融合,程序具体很好的通用性,并且提供几种图像融合客观评价指标,还给出3组宝贵的已配准的待融合图像。
代码片段和文件信息
clear all;
clc;
g_R=0;
g_G=0;
g_B=0;
% h_R=0;
% h_G=0;
% h_B=0;
% fenzi_R=0;
% fenzi_G=0;
% fenzi_B=0;
% fenmu_up_R=0;
% fenmu_up_G=0;
% fenmu_up_B=0;
% fenmu_low_R=0;
% fenmu_low_G=0;
% fenmu_low_B=0;
% tableR=[];
% tableG=[];
% tableB=[];
% up = imread(‘high.jpg‘); %读图像
% low = imread(‘low.jpg‘);
% up=imread(‘lab1.bmp‘); %读图像
% low=imread(‘lab2.bmp‘);
% up=imread(‘medA.bmp‘); %读图像
% low=imread(‘medB.bmp‘);
% up=imread(‘020_MR_T2.bmp‘); %读图像
% low=imread(‘020_SPECT_Tc.bmp‘);
% up=imread(‘030_Gad.bmp‘); %读图像
% low=imread(‘030_T2.bmp‘);
% up=imread(‘4901i_1.jpg‘); %读图像
%low=imread(‘4901v_1.jpg‘);
% up=imread(‘clockA_1.jpg‘); %读图像
% low=imread(‘clockB_1.jpg‘);
% up=imread(‘clockA.bmp‘); %读图像
% low=imread(‘clockB.bmp‘); 不可运行,Index exceeds matrix
% dimensions.只有两个分量,不是三维的 512 X 512 uint8
% up=imread(‘ifsr_book1.jpg‘); %读图像
% low=imread(‘ifsr_book2.jpg‘);
[fn1pn1]=uigetfile({‘*.bmp;*.jpg;*.tif‘}‘请选择待融合图像1‘);
up = imread([pn1 fn1]);
[fn2pn2]=uigetfile({‘*.bmp;*.jpg;*.tif‘}‘请选择待融合图像2‘);
low = imread([pn2 fn2]);
figure(1)
imshow(up); %读RGB数值
% title(‘加权-RGB表示的高分辨率图像‘);
[MNcolor]=size(up);
figure(2)
imshow(low);
% title(‘加权-RGB表示的低分辨率图像‘);
r=double(up(::1));
g=double(up(::2));
b=double(up(::3));
r_low=double(low(::1));
g_low=double(low(::2));
b_low=double(low(::3));
RGB(::1)=0.5*r+0.5*r_low;
RGB(::2)=0.5*g+0.5*g_low;
RGB(::3)=0.5*b+0.5*b_low;
R=RGB(::1);
G=RGB(::2);
B=RGB(::3);
RGB=uint8(round(RGB));
figure(3)
imshow(RGB)
% title(‘加权-RGB转化后的图像‘);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
% 下面是计算平均梯度G %
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
for ii=1:M-1
for jj=1:N-1
g_R=g_R+sqrt((((r(ii+1jj)-r(iijj))^2+(r(iijj+1)-r(iijj))^2))/2);
g_G=g_G+sqrt((((g(ii+1jj)-g(iijj))^2+(g(iijj+1)-g(iijj))^2))/2);
g_B=g_B+sqrt((((b(ii+1jj)-b(iijj))^2+(b(iijj+1)-b(iijj))^2))/2);
end
end
fprintf(‘\n\n highR的清晰度为:%.4f\n highG的清晰度为:%.4f\n highG的清晰度为:%.4f‘...
g_R/(M-1)/(N-1)g_G/(M-1)/(N-1)g_B/(M-1)/(N-1));
g_R=0;
g_G=0;
g_B=0;
for ii=1:M-1
for jj=1:N-1
g_R=g_R+sqrt((((r_low(ii+1jj)-r_low(iijj))^2+(r_low(iijj+1)-r_low(iijj))^2))/2);
g_G=g_G+sqrt((((g_low(ii+1jj)-g_low(iijj))^2+(g_low(iijj+1)-g_low(iijj))^2))/2);
g_B=g_B+sqrt((((b_low(ii+1jj)-b_low(iijj))^2+(b_low(iijj+1)-b_low(iijj))^2))/2);
end
end
fprintf(‘\n\n lowR的清晰度为:%.4f\n lowG的清晰度为:%.4f\n lowG的清晰度为:%.4f‘...
g_R/(M-1)/(N-1)g_G/(M-1)/(N-1)g_B/(M-1)/(N-1));
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 196662 2015-11-27 14:40 medical_weight_average_fusion\011_CT_1.bmp
文件 196662 2015-11-27 14:34 medical_weight_average_fusion\011_T2.bmp
文件 196662 2015-12-01 18:32 medical_weight_average_fusion\030_Gad.bmp
文件 196662 2015-12-01 22:13 medical_weight_average_fusion\030_Tl_7.bmp
文件 3644 2015-12-12 11:59 medical_weight_average_fusion\add_weight_imagefusion.m
文件 196662 2015-07-16 10:40 medical_weight_average_fusion\medA.bmp
文件 196662 2015-07-16 10:40 medical_weight_average_fusion\medB.bmp
目录 0 2015-12-17 15:30 medical_weight_average_fusion
----------- --------- ---------- ----- ----
1183616 8
- 上一篇:飞思卡尔DG128单片机ds18b20程序
- 下一篇:神经网络bp
相关资源
- 基于小波变换的图像融合源代码
- 基于curvelet变换的红外和可见光图像融
- 图像融合:拉普拉斯方法
- 基于改进的拉普拉斯金字塔变换的图
- 图像融合工具箱
- 已配准的医学图像
- 图像融合过程中的图像配准代码
- simpleITK医学图像配准
- Brats2017数据集
- 图像融合源图像红外与可见光
- U-Net:用于生物医学图像分割的卷积网
- 基于小波变换的图像融合算法的研究
- 医学图像课程大作业-滤波反投影
- 遥感图像处理-多光谱图像融合
- 多光谱图像融合技术最优秀的源程序
- 用于图像融合的医学图像
- 基于小波变换的图像融合代码
- 医学图像配准
- mri医学图像蚁群分割
- 可见光与SAR图像的特征级融合
- 图像融合评价指标源码
- 多重曝光图像的区域融合
- 基于深度学习的医学图像分割技术:
- 基于区域增长的医学图像分割技术
- Evaluation.zip
- 医学图像融合
- 利用ITK和VTK集成实现三维医学图像的
- Dicom图像浏览器
- Dicom Editor-破解版
- pca图像融合算法
评论
共有 条评论