PCA图像融合

基于主成分分析的图像融合matlab代码及实验图像

%PCA
clear
up=imread（‘high.jpg‘）;         %读图像
low=imread（‘low.jpg‘）;
figure（1）                          
imshow（up）;                                 %读RGB数值
title（‘PCA-RGB表示的高分辨率图像‘）;
figure（2）                         
imshow（low）
title（‘PCA-RGB表示的低分辨率图像‘）;
up=double（up）;
low_R=double（low（::1））;
low_G=double（low（::2））;
low_B=double（low（::3））;
[MNcolor]=size（up）;
low_Mx=[0 0 0]‘;
for i = 1 : M
    for j = 1 : N
         low_S = [low_R（ij）low_G（ij）low_B（ij）]‘;
         low_Mx = low_Mx + low_S;
    end
end                   
low_Mx = low_Mx / （M*N）;% 计算低分辨率图片的三维列向量的平均值
low_Cx=0;
for i = 1 : M
    for j = 1 : N
         low_S = [low_R（ij）low_G（ij）low_B（ij）]‘;
         low_Cx = low_Cx + low_S*low_S‘;
    end
end 
low_Cx = low_Cx / （M * N）- low_Mx*low_Mx‘;  % 运用公式cov（xy）=E（xy）-ExEy 计算协方差矩陈    
[low_Alow_latent] = eigs（low_Cx）;% 协方差矩陈的特征向量组成的矩陈----PCA变换的系数矩陈特征值.
for i = 1 : M
    for j = 1 : N       
       low_X = [low_R（ij）low_G（ij）low_B（ij）]‘;
       low_Y = low_A‘*low_X;
       low_Y=low_Y‘;
       low_R（ij） = low_Y（1）;                          % 低分辨率图片的第1主分量
       low_G（ij） = low_Y（2）;                          % 低分辨率图片的第2主分量
       low_B（ij） = low_Y（3）;                          % 低分辨率图片的第3主分量
   end
end
im=uint8（low_R）;  %匹配一个图像的直方图
y=imhist（im）;
y=y/sum（y）;         %归一化，使函数符合概率分布的sum（y）==1这样一个规律
plot（y）;            %待匹配的直方图
G=[];               %函数的累积直方图
for i=1:256
   G=[G sum（y（1:i））]; 
end
img=imread（‘high.jpg‘）;
[m n]=size（img）;
hist=imhist（img）;       %待处理图像的直方图
p=hist/（m*n）;           
s=[];                   %待处理图像的累积直方图
for i=1:256
    s=[s sum（p（1:i））];
end
for i=1:256
    tmp{i}=G-s（i）;
    tmp{i}=abs（tmp{i}）;         %因为要找距离最近的点，所以取绝对值
    [a index（i）]=min（tmp{i}）;   %找到两个累积直方图距离最近的点
end
imgn=zeros（mn）;
for i=1:m
   for j=1:n
      imgn（ij）=index（img（ij）+1）-1;    %由原图的灰度通过索引映射到新的灰度
   end
end
imgn=uint8（imgn）;
imgn=double（imgn）;
for i = 1 : M
    for j = 1 : N 
       low_Y = [imgn（ij）low_G（ij）low_B（ij）]‘;%将低分辨率的全色图像的第一主成分替换成高分辨率的图片
       low_X = low_A*low_Y;
       low_X=low_X‘;
       r（ij） = low_X（1）;
       g（ij） = low_X（2）;
       b（ij） = low_X（3）;
   end
end
RGB（::1）=r;
RGB（::2）=g;
RGB（::3）=b;
figure（3）
imshow（uint8（round（RGB）））
title（‘PCA-RGB表示的转化图像‘）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      39964  2013-10-08 17:41  PCA图像融合\high.jpg

     文件      33350  2013-10-08 17:41  PCA图像融合\low.jpg

     文件       2599  2014-05-26 18:00  PCA图像融合\PCA.m

     目录          0  2014-06-19 00:36  PCA图像融合

----------- ---------  ---------- -----  ----

                75913                    4