前言：

算法：NSCT算法（非下采样变换）
数据：Landsat8 OLI 遥感图像数据
编程平台：MATLAB+Python
论文参考：毛克.一种快速的全色和多光谱图像融合算法[J].测绘科学,2016,41(01):151-153+98.DOI:10.16251/j.cnki.1009-2307.2016.01.028.

             左图：未进行融合的多光谱真彩色合成                              右图：利用NSCT变换后的多光谱真彩色合成

为什么需要混编呢?
其实此算法是完全可以单独利用MATLAB或是Python进行处理的，所以本文的目的不在于编程软件，而在于算法。另外，若是采用MATLAB，可以大大的加快本次算法的速度。

• （目的一）
• 通过本次实验：了解MATLAB可以通过mat文件给python传输数据，python也可以向matlab传输数据。互补缺点，可以为以后处理多元化数据加快效率，但是也会导致难度变大。
• （目的二）
  利用本次算法学习pyhon，在其中也遇到了很多困难，主要的困难还是虚拟内存的问题，一贯的使用matlab编程思维，导致我在用python处理大型矩阵的时候出现了内存不足的情况，这也进一步说明matlab的矩阵处理能力是要明显强于python的。

算法概述

• （1）上采样低分辨率多光谱图像LRM，使其和全色图像HRP的分辨率相同，记为LRM杠；

• （2）根据第i个多光谱波段LRMi杠来匹配全色图像得到新的图像HRPi杠；
  
  

• （3）使用NSCT变换两层分解HRPi杠，得到低频分量和细节子带；

• 提示 >>>>>
  此处虽然说的是两层分解，但是我找遍了资料，还是不能理解是怎么得出。但是考虑到是低频分量，于是我利用的高斯模糊，方差为20，提取出了全色波段的低频部分。
  

                                          图：全色波段的低频分量

• （4）提高全色高频信息HF，即
  
• (5)按比例投影高频信息HF至LRMi杠中，得到融合图像HRMi
  

matlab批量读取遥感影像并将影像矩阵存入.mat文件中：

clc;clear all;
file_path="C:\Users\稳魂\Desktop\data\";
img_path_list = dir(strcat(file_path,'LC08_L1TP_118038_20130525_20170504_01_T1_B*.TIF'));
img_num = length(img_path_list);
fprintf('正在读取的图像为：\n');
data_base={
   };
name={
   };
if img_num > 0 
    for j