#?-*-?coding:?utf-8?-*-
“““
Created?on?Wed?Oct?31?15:56:33?2018
“““

#?-*-?coding:?utf-8?-*-
import?numpy?as?np
import?matplotlib.pyplot?as?plt
import?cv2
from?math?import?log
from?PIL?import?Image
import?datetime
import?pywt
?
#?以下強行用Python宏定義變量
halfWindowSize=9
src1_path?=?‘F:\\python\\1.jpg‘
src2_path?=?‘F:\\python\\2.jpg‘
?
‘‘‘
來自敬忠良，肖剛，李振華《圖像融合——理論與分析》P85：基于像素清晰度的融合規則
1，用Laplace金字塔或者是小波變換，將圖像分解成高頻部分和低頻部分兩個圖像矩陣
2，以某個像素點為中心開窗，該像素點的清晰度定義為窗口所有點（（高頻/低頻）**2）.sum（）
3，目前感覺主要的問題在于低頻
4，高頻取清晰度圖像中較大的那個圖的高頻圖像像素點
5，算法優化后速度由原來的2min.44s.變成9s.305ms.
補充：書上建議開窗大小10*10，DWT取3層，Laplace金字塔取2層
‘‘‘
?
def?imgOpen（img_src1img_src2）:
????apple=Image.open（img_src1）.convert（‘L‘）
????orange=Image.open（img_src2）.convert（‘L‘）
????appleArray=np.array（apple）
????orangeArray=np.array（orange）
????return?appleArrayorangeArray
?
#?嚴格的變換尺寸
def?_sameSize（img_stdimg_cvt）:
????xy=img_std.shape
????pic_cvt=Image.fromarray（img_cvt）
????pic_cvt.resize（（xy））
????return?np.array（pic_cvt）
?
#?小波變換的層數不能太高，Image模塊的resize不能變換太小的矩陣，不相同大小的矩陣在計算對比度時會數組越界
def?getWaveImg（appleorange）:
????appleWave=pywt.wavedec2（apple‘haar‘level=2）
????orangeWave=pywt.wavedec2（orange‘haar‘level=2）
????lowApple=appleWave[0];lowOrange=orangeWave[0]
????lowAppleWidthlowAppleHeight=lowApple.shape
????lowOrangeWidthlowOrangeWidth=lowOrange.shape
????
????#?以下處理低頻
????lowAppleWeightlowOrangeWeight?=?getVarianceWeight（lowApplelowOrange）
????lowFusion?=?lowAppleWeight*lowApple?+?lowOrangeWeight*lowOrange
????#?以下處理高頻
????for?hi?in?range（13）:
????????waveRec=[]
????????for?highApplehighOrange?in?zip（appleWave[hi]orangeWave[hi]）:
????????????highAppWidthhighAppHeight=highApple.shape
????????????highOrangeWidthhighOrangeHeight=highOrange.shape
????????????highFusion?=?np.zeros（highApple.shape）
????????????contrastApple?=?getContrastImg（lowApplehighApple）
????????????contrastOrange?=?getContrastImg（lowOrangehighOrange）
????????????rowcol?=?highApple.shape
????????????for?i?in?xrange（row）:
????????????????for?j?in?xrange（col）:
????????????????????if?contrastApple[ij]?>?contrastOrange[ij]:
????????????????????????highFusion[ij]?=?highApple[ij]
????????????????????else:
????????????????????????highFusion[ij]?=?highOrange[ij]
????????????waveRec.append（highFusion）
????????recwave=（lowFusiontuple（waveRec））
????????lowFusion=pywt.idwt2（recwave‘haar‘）
????????lowApple=lowFusion;lowOrange=lowFusion
????return?lowFusion

#?求Laplace金字塔
def?getLaplacePyr（img）:
????firstLevel=img.copy（）
????secondLevel=cv2.pyrDown（firstLevel）
????lowFreq=cv2.pyrUp（secondLevel）
????highFreq=cv2.subtract（firstLevel_sameSize（firstLevellowFreq））
????return?lowFreqhighFreq
?
#?計算對比度，優化后不需要這個函數了，扔在這里看看公式就行
def?_getContrastValue（highWinlowWin）:
????rowcol?=?highWin.shape
????contrastValue?=?0.00
????for?i?in?xrange（row）:
????????for?j?in?xrange（col）:
????????????contrastValue?+=?（float（highWin[ij]）/lowWin[ij]）**2
????return?contrastVal