将可见光和红外光图像经过M通道过采样图滤波器组分解为高频子带和低频子带 matlab

代码示例：

% 加载图像
visible_img = imread('visible.jpg');
infrared_img = imread('infrared.jpg');

% 定义过采样倍数和滤波器组
M = 4;
filter_bank = generate_filter_bank(M);

% 对可见光图像进行过采样和滤波器组分解
visible_multiscale = multiscale_decomposition(visible_img, filter_bank, M);

% 对红外光图像进行过采样和滤波器组分解
infrared_multiscale = multiscale_decomposition(infrared_img, filter_bank, M);

% 显示低频子带和高频子带图像
figure;
subplot(2,2,1); imshow(visible_img); title('Visible image');
subplot(2,2,2); imshow(infrared_img); title('Infrared image');
subplot(2,2,3); imshow(visible_multiscale{1}); title('Visible low frequency');
subplot(2,2,4); imshow(infrared_multiscale{1}); title('Infrared low frequency');

figure;
for i=2:M
    subplot(2,M-1,i-1); imshow(visible_multiscale{i}); title(['Visible high frequency ' num2str(i-1)]);
    subplot(2,M-1,i+M-2); imshow(infrared_multiscale{i}); title(['Infrared high frequency ' num2str(i-1)]);
end

其中，`generate_filter_bank` 函数用于生成过采样滤波器组，代码如下：

function filter_bank = generate_filter_bank(M)
% 生成过采样滤波器组
% M: 过采样倍数
% filter_bank: 滤波器组，M-1个高通滤波器和1个低通滤波器

filter_bank = cell(1, M);
for i=1:M-1
    filter_bank{i} = generate_highpass_filter(i, M);
end
filter_bank{M} = generate_lowpass_filter(M);
end

function filter = generate_highpass_filter(k, M)
% 生成k级高通滤波器
% k: 滤波器级数
% M: 过采样倍数
% filter: 高通滤波器

if k == 1
    filter = [-1, 2, -1]/2;
else
    filter = conv(generate_highpass_filter(k-1, M), [-1, 2, -1]/2);
end
filter = upsample(filter, M);
end

function filter = generate_lowpass_filter(M)
% 生成低通滤波器
% M: 过采样倍数
% filter: 低通滤波器

filter = ones(1, M)/M;
end

`multiscale_decomposition` 函数用于实现过采样和滤波器组分解，代码如下：

function multiscale = multiscale_decomposition(img, filter_bank, M)
% 过采样和滤波器组分解
% img: 输入图像
% filter_bank: 滤波器组
% M: 过采样倍数
% multiscale: 分解得到的子带图像

multiscale = cell(1, M);
multiscale{M} = img;
for i=M-1:-1:1
    highpass = conv2(multiscale{i+1}, filter_bank{i}, 'same');
    multiscale{i} = downsample(highpass, M);
end
end

运行上述代码，即可得到可见光和红外光图像的高频子带和低频子带。需要注意的是，这里使用的是二维卷积和二维下采样来实现过采样和滤波器组分解，如果图像较大，可能会比较耗时。可以考虑使用基于FFT的快速算法来加速计算。