我正在尝试实现本文描述的算法：

临时光谱带中生物斑点图像的分解

这是算法的说明：

我们N以采样频率记录了一系列连续的斑点图像fs。这样，可以观察像素如何在图像中演变N。可以将这种演变视为时间序列，并可以通过以下方式进行处理：与每个像素的演变相对应的每个信号都用作一组滤波器的输入。预先将强度值除以它们的时间平均值，以最小化对象的反射率或照明的局部差异。可以充分分析的最大频率取决于采样定理和采样频率的一半fs。后者由CCD相机，图像尺寸和图像采集卡设置。滤波器组如图1所示。

在我们的案例中，使用了十个5°阶Butterworth滤波器，但是该数量可以根据所需的区分度而变化。该银行是使用MATLAB软件在计算机上实现的。我们选择Butter-
worth滤波器是因为它不仅简单，而且最大程度地平坦。可以使用其他滤波器，无限冲激响应或有限冲激响应。

通过该组滤波器，获得了每个临时像素演变的每个滤波器的十个对应信号作为输出。然后计算每个信号中的平均能量Eb：

其中，pb(n)是第n个要过滤的图像中经过滤波的像素的强度b除以其平均值，并且N是图像总数。这样，En获得了每个像素的能量值，每个下摆都属于图1中的一个频带。

利用这些值，可以构建活动对象的十个图像，每个图像都显示在某个频带中存在多少随时间变化的散斑能量。错误地将颜色分配给结果中的灰度级将有助于区分。

这是我基于此的MATLAB代码：

for i=1:520
    for j=1:368
        ts = [];
        for k=1:600
            ts = [ts D{k}(i,j)]; %%% kth image pixel i,j --- ts is time series
        end
        ts = double(ts);
          temp = mean(ts);        
           if (temp==0)
                for l=1:10
                    filtImag1{l}(i,j)=0;
                end
                continue;
           end

         ts = ts-temp;          
         ts = ts/temp;    
        N = 5; % filter order
        W = [0.0 0.10;0.10 0.20;0.20 0.30;0.30 0.40;0.40 0.50;0.50 0.60 ;0.60 0.70;0.70 0.80 ;0.80 0.90;0.90 1.0];      
        [B,A]=butter(N,0.10,'low');
        ts_f(1,:) = filter(B,A,ts);         
        N1 = 5;                        
        for ind = 2:9           
            Wn = W(ind,:);
            [B,A] = butter(N1,Wn);            
            ts_f(ind,:) = filter(B,A,ts);            
        end        
        [B,A]=butter(N,0.90,'high');
        ts_f(10,:) = filter(B,A,ts);

        for ind=1:10
          %Following Paper Suggestion          
           filtImag1{ind}(i,j) =sum(ts_f(ind,:).^2);
        end                 
    end
end

for i=1:10
  figure,imshow(filtImag1{i});  
  colorbar
end

pre_max = max(filtImag1{1}(:));
for i=1:10
   new_max = max(filtImag1{i}(:));
    if (pre_max<new_max)
        pre_max=max(filtImag1{i}(:));
    end
end
new_max = pre_max;

pre_min = min(filtImag1{1}(:));
for i=1:10
   new_min = min(filtImag1{i}(:));
    if (pre_min>new_min)
        pre_min = min(filtImag1{i}(:));
    end
end

new_min = pre_min;

%normalize
 for i=1:10
 temp_imag = filtImag1{i}(:,:);
 x=isnan(temp_imag);
 temp_imag(x)=0;
 t_max = max(max(temp_imag));
 t_min = min(min(temp_imag));
 temp_imag = (double(temp_imag-t_min)).*((double(new_max)-double(new_min))/double(t_max-t_min))+(double(new_min));

 %median filter
 %temp_imag = medfilt2(temp_imag);
 imag_test2{i}(:,:) = temp_imag;
 end

for i=1:10
  figure,imshow(imag_test2{i});
  colorbar
 end

for i=1:10
    A=imag_test2{i}(:,:);
    B=A/max(max(A));
    B=histeq(A);
 figure,imshow(B); 
 colorbar
 imag_test2{i}(:,:)=B;
end

但我得到的结果与纸张不同。有谁知道为什么？还是我哪里出问题了？

*通过从@Amro获得帮助并使用他的代码进行 *编辑
，我得到了以下图像：这是我从72hrs发芽的扁豆中提取的原始图像（400张图像，每秒5帧）：

这是10个不同波段的结果图像：