matlab中全变分18张彩色图像融合的TV_ADMM函数代码

下面是matlab中全变分18张彩色图像融合的TV_ADMM函数代码：

function [f, cost] = TV_ADMM(f0, g, lambda, max_iter, tol)
% f0: 初始化图像
% g: 目标图像
% lambda: 惩罚因子
% max_iter: 最大迭代次数
% tol: 精度

% 定义图像尺寸和惩罚项系数
[m, n] = size(f0);
tau = 0.01;

% 定义算子
[Dx, Dy] = getD(m, n);

% 初始化变量
u = zeros(m, n);
px = zeros(m, n);
py = zeros(m, n);

% 迭代计算
for iter=1:max_iter
    % 更新f
    f = (f0 + tau * (px - Dx' * u + py - Dy' * u)) / (1 + tau);

    % 更新p
    px_old = px;
    py_old = py;
    grad_f = getGradient(f);
    px = softThreshold(Dx * u + grad_f(:,:,1) / lambda, 1 / lambda);
    py = softThreshold(Dy * u + grad_f(:,:,2) / lambda, 1 / lambda);
    
    % 更新u
    u = u + tau * (Dx * px + Dy * py - g + f);
    
    % 计算误差
    cost(iter) = norm(f - g, 'fro')^2 + lambda * (norm(px(:), 1) + norm(py(:), 1));
    if iter>1 && abs(cost(iter)-cost(iter-1))/cost(iter)<tol
        break;
    end
end

end

% 定义算子
function [Dx, Dy] = getD(m, n)
e = ones(m, 1);
S = spdiags([e -2*e e], 0:2, m, m);
I = speye(m);
Dx = kron(S, I);

e = ones(n, 1);
S = spdiags([e -2*e e], 0:2, n, n);
I = speye(n);
Dy = kron(I, S);
end

% 获取梯度
function grad = getGradient(f)
[M, N] = size(f);
grad = zeros(M, N, 2);
grad(:,:,1) = f(:,[2:N N]) - f;
grad(:,:,2) = f([2:M M],:) - f;
end

% 软阈值函数
function y = softThreshold(x, T)
y = sign(x) .* max(abs(x) - T, 0);
end

其中，`getD`函数是获取算子的函数，`getGradient`函数是获取梯度的函数，`softThreshold`函数是软阈值函数。