基于matlab对比度和结构提取的多模态解剖图像融合怎么实现

本篇内容主要讲解“基于matlab对比度和结构提取的多模态解剖图像融合怎么实现”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“基于matlab对比度和结构提取的多模态解剖图像融合怎么实现”吧!

一、图像融合简介

应用多模态图像的配准与融合技术,可以把不同状态的医学图像有机地结合起来,为临床诊断和治疗提供更丰富的信息。介绍了多模态医学图像配准与融合的概念、方法及意义。最后简单介绍了小波变换分析方法。

二、部分源代码

clear; close all; clc; warning off
%% A Novel Multi-Modality Anatomical Image FusionMethod Based on Contrast and Structure Extraction
% F = fuseImage(I,scale)

%Inputs:
%I - a mulyi-modal anatomical image sequence

%scale - scale factor of dense SIFT, the default value is 16

%% load images from the folder that contain multi-modal image to be fused
%I=load_images('./Dataset/CT-MRI/Pair 1');
I=load_images('./Dataset/MR-T1-MR-T2/Pair 1');
%I=load_images('./Dataset/MR-Gad-MR-T1/Pair 1');
% Show source input images 
figure;
no_of_images = size(I,4);
for i = 1:no_of_images
    subplot(2,1,i); imshow(I(:,:,:,i));
end
suptitle('Source Images');


%%
F=fuseImage(I,16);
%% Output: F - the fused image

F=rgb2gray(F);
figure;
imshow(F);
function [ F ] = fuseImage(I,scale)


addpath('Pyramid_Decomposition');
addpath('Guided_Filter');
addpath('Dense_SIFT');

tic
%%
[H, W, C, N]=size(I);
imgs=im2double(I);
IA=zeros(H,W,C,N);
for i=1:N
IA(:,:,:,i)=enhnc(imgs(:,:,:,i));

end
%%
imgs_gray=zeros(H,W,N);
for i=1:N
    imgs_gray(:,:,i)=rgb2gray(IA(:,:,:,i));
end
%
% %dense sift calculation
dsifts=zeros(H,W,32,N, 'single');
for i=1:N
    img=imgs_gray(:,:,i);
    ext_img=img_extend(img,scale/2-1);
    [dsifts(:,:,:,i)] = DenseSIFT(ext_img, scale, 1);
    
end
%%
%local contrast
contrast_map=zeros(H,W,N);
for i=1:N
    contrast_map(:,:,i)=sum(dsifts(:,:,:,i),3);

end


%winner-take-all weighted average strategy for local contrast

[x, labels]=max(contrast_map,[],3);
clear x;
for i=1:N
    mono=zeros(H,W);
    mono(labels==i)=1;
    contrast_map(:,:,i)=mono;

end



%% Structure 
h = [1 -1];
structure_map=zeros(H,W,N);

for i=1:N
structure_map(:,:,i) = abs(conv2(imgs_gray(:,:,i),h,'same')) + abs(conv2(imgs_gray(:,:,i),h','same')); %EQ 13

   
end


%winner-take-all weighted average strategy for structure

[a, label]=max(structure_map,[],3);
clear x;
for i=1:N
    monoo=zeros(H,W);
    monoo(label==i)=1;
    structure_map(:,:,i)=monoo;
     
end

%%
weight_map=structure_map.*contrast_map;




%weight map refinement using Guided Filter
for i=1:N
    
    weight_map(:,:,i) = fastGF(weight_map(:,:,i),12,0.25,2.5);
 
end



% normalizing weight maps
%
weight_map = weight_map + 10^-25; %avoids division by zero
weight_map = weight_map./repmat(sum(weight_map,3),[1 1 N]);

%% Pyramid Decomposition

% create empty pyramid
pyr = gaussian_pyramid(zeros(H,W,3));
nlev = length(pyr);

% multiresolution blending
for i = 1:N
    % construct pyramid from each input image
   
    % blend
    for b = 1:nlev
        w = repmat(pyrW{b},[1 1 3]);
        
        pyr{b} = pyr{b} + w .*pyrI{b};
    end
    
end

% reconstruct
F = reconstruct_laplacian_pyramid(pyr);

toc

end

三、运行结果

到此，相信大家对“基于matlab对比度和结构提取的多模态解剖图像融合怎么实现”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！