图像泊松融合(convpyr_small版本)

一、背景介绍

前面已经讲过泊松融合算法和它的fft快速版本实现了,想看下还有没有更快的版本,继续翻了下论文,找到了更快速的版本:Convolution Pyramids 。

找到它的matlab代码跑了下,效果还不错。学习记录,并用c++复现了下它梯度重建部分相关代码。

二、实现流程

1、基本原理

基本思路为:输入一张散度图像,在多尺度上用训练好的滤波器做卷积,恢复图像亮度信息到泊松重建的效果样子,因此整个流程分为训练和测试两个阶段。

训练阶段:使用散度图作为输入,使用该散度图正常泊松重建后结果作为gt训练,得到需要的滤波器核。

测试阶段:使用散度图和训练好的滤波器核,生成逼近泊松重建效果的结果图像。

2、测试部分

(1). 输入:

a、 训练的滤波器核。kernel=(-0.1820, -0.5007, -0.6373, 0.1767, 0.5589)

b、待重建图像散度div。

(2). 滤波器核拆解

(3). 重建流程

a、对div图像,使用h1进行滤波。

b、滤波后图像下采样(采样方式需要和训练使用采样方式完全一样),并保存残差。

c、迭代a,b步骤,得到残差金字塔。

d、金字塔最底层,使用g进行滤波, 并上采样。

e、倒数第二层残差使用h2进行滤波。

f、d 和e步骤结果叠加。

g、循环d,e,f步骤,金字塔重建得到结果图像。

3、训练部分

(1)、输入:1、一张输入图像。

(2)、设置训练kerenl参数为随机数。

(3) 、计算输入图像散度div。

(4)、迭代训练:

a、对滤波器核拆解。

b、对div图像进行重建。

e、计算重建图像和原始输入图像均值差,迭代更新滤波器。

三、效果对比

将如下图像进行图像散度融合,得到对应散度图信息。

根据散度信息和训练好的滤波器核进行图像重建,得到结果图(左边为本文算法结果,右边为fft版本泊松重建结果):

可以看到融合过度上和泊松版本基本持平,但是需要注意的是本文算法重建之后的图像整理亮度,对比原版泊松效果,会存在轻微差异。

运行时间上:原始版本,处理一张80x40x3的图,花了42秒左右。

fft加速版本,处理一张512x512x3的图,花了大概250ms左右。

convpyr_small版本,处理一张512x512x3的图,花了大概40ms左右。

四、代码地址

包含了论文完整matlab版本和我这边本地复现的c++散度重建部分:

https://github.com/yulinghan/ImageQualityEnhancement/tree/master/image_fusion/convpyr_small_poisson

相关推荐
TiAmo zhang4 分钟前
深度学习与图像处理 | 基于PaddlePaddle的梯度下降算法实现(线性回归投资预测)
图像处理·深度学习·算法
Ronin-Lotus11 小时前
深度学习篇---剪裁&缩放
图像处理·人工智能·缩放·剪裁
230L1_78M69Q5487H1 天前
【基于OpenCV的图像处理】图像预处理之二值化处理以及图像的仿射变换
图像处理·opencv·计算机视觉
AndrewHZ1 天前
【图像处理基石】如何对遥感图像进行目标检测?
图像处理·人工智能·pytorch·目标检测·遥感图像·小目标检测·旋转目标检测
go54631584652 天前
基于深度学习的食管癌右喉返神经旁淋巴结预测系统研究
图像处理·人工智能·深度学习·神经网络·算法
Microvision维视智造2 天前
从“人工眼”到‘智能眼’:EZ-Vision视觉系统如何重构生产线视觉检测精度?
图像处理·人工智能·重构·视觉检测
钟屿2 天前
Multiscale Structure Guided Diffusion for Image Deblurring 论文阅读
论文阅读·图像处理·人工智能·深度学习·计算机视觉
仰望天空—永强2 天前
PS 2025【七月最新v26.5】PS铺软件安装|最新版|附带安装文件|详细安装说明|附PS插件
开发语言·图像处理·python·图形渲染·photoshop
千宇宙航3 天前
闲庭信步使用图像验证平台加速FPGA的开发:第二十七课——图像腐蚀的FPGA实现
图像处理·计算机视觉·fpga开发·图像腐蚀
呆头鹅AI工作室3 天前
[2025CVPR-图象分类方向]SPARC:用于视觉语言模型中零样本多标签识别的分数提示和自适应融合
图像处理·人工智能·python·深度学习·神经网络·计算机视觉·语言模型