基于小波变换的图像动态融合技术

摘 要

本文探讨了图像抠图和融合两个内容，通过trimap图将获得图像前景的mask图，以及通过mask和原图融合获得前景图像，mask求补后与背景图融合后的图像，最终前后景图像融合成新的图像的方法，所有融合前都需对图像进行小波变换，对近似图像融合后，逆小波变换得到最终的融合图像。本文实例均在Matlab平台下通过测试和验证。

【关键词】trimap mask 小波变换融合

小波分析具有多分辨等特点，可以有效地将特征明显、分辨率高的图像融合在一起，得到比任何一幅源图像效果都好的图像，因此本文中的融合方法均采用小波分解和你小波重构的方法。本文采用了泊松抠图的思想的learningBasedMatting，首先将彩色原图转换为灰度图像，并得到trimap图，然后得到mask掩像，这种方法适合于颜色变化较光滑的图像。得到mask图像，就有了选择的范围，便可分别于前景图像和背景图像进行小波变换、融合后重构成最终的融合图像，实现的步骤如图1所示。

1 获得前景图像

本文中获得前景的方法和步骤是，对原图和mask图分别进行2级的haar小波分解，对逼近值选择min，对于细节值则选择min，发现细节值选择min比max和其他的值来比较，融合后逆小波变换得到的图像边缘比较精细，相对光滑，锯齿状不明显，效果较好。

2 获得背景图像

本文中获得前景的方法和步骤是，在获得带有mask范围的背景图之前，要先将mask图进行求补，获得新的mask图，对原图和mask图分别进行2级的haar小波分解，对逼近值选择min，对于细节值则选择min，发现细节值选择min比max和其他的值来比较，融合后逆小波变换得到的图像边缘比较精细，相对光滑，锯齿状不明显，效果较好。

3 前后背景融合

通过上述的方法和步骤后，分别获得了前景图像和背景图像，将要进行最后的融合，前、背景图像同样需要进行小波分解，融合分解后的近似逼近的部分，减少细节部分的影响，重构成为新的融合图像，如图2所示。

4 结束

综上所述，本文采用了基于小波变换的图像的融合的方法，通过对原图使用trimap图获取mask图，作为后续步骤的前提，在获得前景和背景图时，分别都采用了先小波分解，其中不同参数设置影响最终逆小波分解重构图像的效果。整体来看，本例中使用的小波变换方法融合图像取得了较好的效果，在今后的研究中对融合图像前后景的边缘处理提高光滑度。

参考文献

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

[2]刘衍琦，詹福宇.Matlab图像与视频处理使用案例详解[M].电子工业出版社，2005.

作者简介

谢鹏（1975-），男，山西省运城市人。硕士研究生学历。现供职于银川能源学院信息传媒学院。研究方向为数字图像融合。

作者单位

银川能源学院信息传媒学院 宁夏回族自治区银川市 750100