红外与可见光图像融合实验代码

红外与可见光图像融合实验的代码因为涉及到不同的算法，具体实现方式可能会有所不同。不过，以下是一个基于Python的红外与可见光图像融合实验的代码示例，供您参考：

import cv2
import numpy as np

# 读取红外图像和可见光图像
ir_img = cv2.imread('ir.jpg', cv2.IMREAD_GRAYSCALE)
vis_img = cv2.imread('vis.jpg')

# 对可见光图像进行直方图均衡化
vis_img = cv2.cvtColor(vis_img, cv2.COLOR_BGR2GRAY)
vis_img = cv2.equalizeHist(vis_img)

# 将红外图像和可见光图像转换为浮点数类型
ir_img = np.float32(ir_img)
vis_img = np.float32(vis_img)

# 对红外图像和可见光图像进行归一化
cv2.normalize(ir_img, ir_img, 0, 1, cv2.NORM_MINMAX)
cv2.normalize(vis_img, vis_img, 0, 1, cv2.NORM_MINMAX)

# 对红外图像和可见光图像进行傅里叶变换
ir_dft = cv2.dft(ir_img, flags=cv2.DFT_COMPLEX_OUTPUT)
vis_dft = cv2.dft(vis_img, flags=cv2.DFT_COMPLEX_OUTPUT)

# 获取红外图像和可见光图像的幅度谱和相位谱
ir_mag, ir_phase = cv2.cartToPolar(ir_dft[:, :, 0], ir_dft[:, :, 1])
vis_mag, vis_phase = cv2.cartToPolar(vis_dft[:, :, 0], vis_dft[:, :, 1])

# 将可见光图像的幅度谱与红外图像的相位谱相乘
fusion_mag = vis_mag * np.exp(1j * ir_phase)

# 将融合后的幅度谱和红外图像的相位谱进行反变换
fusion_dft = np.zeros_like(ir_dft, dtype=np.complex64)
fusion_dft[:, :, 0], fusion_dft[:, :, 1] = cv2.polarToCart(fusion_mag, ir_phase)
fusion_img = cv2.idft(fusion_dft, flags=cv2.DFT_SCALE | cv2.DFT_REAL_OUTPUT)

# 对融合后的图像进行归一化和缩放
cv2.normalize(fusion_img, fusion_img, 0, 255, cv2.NORM_MINMAX)
fusion_img = np.uint8(fusion_img)

# 显示融合后的图像
cv2.imshow('Fusion Image', fusion_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码使用了傅里叶变换将红外图像和可见光图像进行融合，同时还使用了直方图均衡化提升可见光图像的对比度。需要注意的是，该代码仅为示例代码，具体实现方式可能会因算法不同而有所不同。