FV10-ASW_Viewer4 共聚焦奥林巴斯FV1000 Viewer软件，可处理oib文件。win10兼容。

多聚焦图像及融合代码，彩色多聚焦图像，2幅及以上

这是字典学习和低秩表征的多聚焦图像融合源码。下载解压后直接运行。

分块+清晰度计算+一致性检验

针对多聚焦图像融合中聚焦物体边缘衔接处产生伪影的问题，提出一种基于非下采样Contourlet变换(NSCT)与引导滤波的多聚焦图像融合算法。该算法对多聚焦图像进行NSCT分解后，利用基于边缘的加权融合方案处理低频子带系数，利用双向拉普拉斯滤波器提取带通方向子带系数的边缘和显著信息，通过引导滤波器对初始融合权重进行修正，最后利用NSCT重构获得融合后的多聚焦图像。实验结果表明，与其他融合算法相比，本文算法提高了融合图像的信息丰富度和清晰度，避免在聚焦物体边缘衔接处产生伪影，提高了融合图像的总体质量。

针对同一场景两幅严格配准的多聚焦图像的融合问题,设计了一种基于区域能量的多聚集图像融合算法。该算法利用金字塔变换得到图像的多分辨序列,采用基于区域能量的融合方法,在图像的相应层次序列的各级金字塔图像上进行融合,以获取最终的融合图像。从目视效果来看,采用本文算法进行图像融合,能够将两幅多聚焦图像融合成一幅比较清晰的单一聚焦图像。实验结果表明,本文算法与同类其它算法相比较,熵提高了0.01%～4.4%,交叉熵降低了52.93%～95.77%,互信息提高了3.13%～26.55%。

完整代码，可直接运行

针对多聚焦图像融合中目标物边缘处产生虚影的问题，提出一种基于引导滤波与改进脉冲耦合神经网络(PCNN)的多聚焦图像融合算法。该算法利用引导滤波器对源图像进行多尺度边缘保持分解，对分解得到的基本图像和细节图像采用不同的引导滤波加权融合策略进行初步融合；将初步融合图作为外部输入激励刺激改进的PCNN模型；根据融合权重图对多幅源图像进行融合，获得最终的融合图像。实验结果表明，与传统融合算法相比，本文方法较好地保留了源图像的边缘、区域边界以及纹理等细节信息，避免了目标物边缘处产生虚影，提高了融合图像的质量。

代码运行效果图见压缩包

使用高斯金字塔和拉普拉斯金字塔对两幅原图像进行分解后融合。 低频部分，采用均值融合规则；高频部分，采用取最大值融合规则。