2-1拉普拉斯金字塔图像融合程序
1. 应用场景
这个程序主要用于多聚焦图像融合。
在实际拍摄中，相机往往只能对某一个距离范围进行清晰对焦。例如：
一张照片中，前面的物体清楚，后面的物体模糊；
另一张照片中，后面的物体清楚，前面的物体模糊。
这个程序可以把两张不同对焦位置的图像进行融合，尽量保留两张图中各自比较清晰的部分，最终得到一张整体更加清晰的图像。
本程序自带的示例就是这种情况：
first.jpg中，后方的大钟比较清晰；second.jpg中，前方的小钟比较清晰；程序融合后得到
LaResult3.bmp，前后两个钟的清晰信息都被尽量保留下来。
典型应用
多聚焦照片融合
显微图像融合
工业检测中不同焦平面的图像合成
图像融合算法的学习、实验和教学演示
2. 基本原理
程序采用的是拉普拉斯金字塔图像融合方法。
可以把它简单理解成：
先把图像按不同层次拆开 → 在每一层挑选更清晰的信息 → 再把这些信息重新组合成一张图。
整体过程可以分成四步。
第一步：建立高斯金字塔
程序先对两张输入图像进行逐层模糊和缩小。
代码中设置：
也就是把图像分成多个尺度进行处理。
这样做的目的，是让程序不仅观察很小的细节，也能够观察较大范围的图像信息。
第二步：建立拉普拉斯金字塔
在高斯金字塔的基础上，程序进一步计算每一层之间的差异，形成拉普拉斯金字塔。
拉普拉斯金字塔中的信息可以简单理解为：
图像在不同尺度下的边缘、纹理和细节信息。
清晰区域通常会包含更多明显的边缘和细节，因此可以利用这些信息判断某个区域应该选择哪一张原图。
第三步：选择两张图中更清晰的信息
程序分别比较两张图像在各层中的特征。
对于金字塔顶层，程序主要通过图像的梯度变化进行比较。
对于其他层，程序通过局部区域的拉普拉斯响应强弱进行比较。
简单来说：
哪张图在当前位置包含的细节更多，就优先保留哪张图的信息。
因此：
前景在第二张图中更清晰时，就更多选择第二张图的信息；
背景在第一张图中更清晰时，就更多选择第一张图的信息。
第四步：重建融合图像
完成各层信息选择后，程序再从金字塔最上层开始逐层放大和恢复。
最终将不同尺度上的融合信息重新组合，得到完整的融合图像。
整个过程可以概括为：
两张原图 → 多尺度分解 → 清晰信息选择 → 多尺度重建 → 融合图像
3. 程序优势
3.1 能同时保留不同位置的清晰信息
直接对两张图片做平均容易造成整体变模糊。
本程序会在不同位置选择更有细节的一张图，因此更适合多聚焦图像融合。
3.2 能从多个尺度分析图像
程序不是只比较单个像素，而是通过金字塔结构观察不同尺度下的图像信息。
这样能够同时考虑局部细节和较大范围的图像特征。
3.3 对边缘和纹理信息保留较好
拉普拉斯金字塔本身比较关注图像中的变化、边缘和细节，因此融合后能够较好地保留清晰区域的纹理信息。
3.4 MATLAB 实现简单，方便学习
程序结构比较直观，主要包含：
高斯金字塔构建
拉普拉斯金字塔分解
融合规则
图像重建
比较适合用于理解图像融合和多尺度处理的基本思想。
4. 功能介绍与使用方法
这个程序的主要功能是：
读取两张图像，对其进行拉普拉斯金字塔融合，并输出融合结果。
输入图像
程序默认读取：
因此，需要将两张待融合图片放在程序所在目录，并命名为：
first.jpgsecond.jpg
两张图片最好具有相同的尺寸，并且图像中的物体 位置基本对应。
运行程序
在 MATLAB 中打开：
然后直接运行程序。
程序会依次显示：
第一张输入图像；
第二张输入图像；
最终融合图像。
输出结果
程序最后执行：
因此，融合后的图像会保存为：
纯文本
同时 MATLAB 窗口中也会显示最终融合结果。
5. 使用示例与注意事项
示例
本程序自带两张钟表图片。
第一张图片中：
后方的大钟比较清晰；
前方的小钟比较模糊。
第二张图片中：
前方的小钟比较清晰；
后方的大钟比较模糊。
程序分别提取两张图片中较清晰区域的细节，再进行重新组合。
最终融合结果中：
前面的小钟得到较清晰的显示；
后面的大钟也保留了较清晰的数字、指针和纹理。
这就是多聚焦图像融合的基本效果。
注意事项
两张输入图片尺寸应保持一致。
两张图像中的场景和物体 位置应基本一致。
如果两张图片发生明显移动，直接融合可能出现重影或错位。程序默认使用 4 层金字塔。
对于一般示例可以直接使用，不需要修改。程序依赖 MATLAB 的图像处理相关函数。
例如imfilter、im2col等。输入文件名发生变化时，需要修改程序开头的
imread路径。
总结
这个程序利用拉普拉斯金字塔，把两张不同焦点的图片分解到多个尺度，在每一层选择更加清晰的图像信息，最后重新构建出一张融合图像。
对于初学者，可以把整个程序理解成一句话：
把两张照片中各自清楚的部分挑出来，再组合成一张整体更清楚的照片。
