python-opencv(10)图像金字塔

python-opencv(10)图像金字塔

文章目录

• 1. 图像金字塔特点
• 2. 向下采样

• 2.1. 特点
• 2.2. 相关函数与程序实现

• 3. 向上采样

• 3.1. 特点
• 3.2. 相关函数与程序实现

• 4. 拉普拉斯金子塔

• 4.1. 特点
• 4.2. 相关函数与程序实现

1. 图像金字塔特点

图像金字塔是图像多尺度表达的一种，是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。

2. 向下采样

2.1. 特点

从第i层获取第i+1层 Gi→Gi+1

1. 对图像Gi进行高斯核卷积。
2. 删除所有的偶数行和列。

原始图像 M×N→处理结果 M/2×N/2，每次处理后，结果图像是原来的1/4。重复执行该过程，构造图像金字塔。

注意：向下会丢失信息。

2.2. 相关函数与程序实现

函数：dst=cv2.pyrDown(src)dst—向下取样结果
src—原始图像

python代码

#%%向下采样
import cv2
img1 = cv2.imread(r"C:\Users\lihuanyu\Desktop\opencv\image\man.bmp")
r1=cv2.pyrDown(img1)
r2=cv2.pyrDown(r1)
r3=cv2.pyrDown(r2)
cv2.imshow("original",img1)
cv2.imshow("PyrDown1",r1)
cv2.imshow("PyrDown2",r2)
cv2.imshow("PyrDown3",r3)
cv2.waitKey()
cv2.destroyAllWindows()

结果

3. 向上采样

3.1. 特点

1. 在每个方向上扩大为原来的2倍，新增的行和列以0填充。
2. 使用与“向下采用”同样的卷积核乘以4，获取“新增像素”的新值。

注意：
3. 放大后的图像比原始图像要模糊。
4. 向上采样、向下采样不是互逆操作。经过两种操作后，无法恢复原有图像。

3.2. 相关函数与程序实现

函数：dst=cv2.pyrUp(src)dst—向上取样结果
src—原始图像

python代码

#%%向上采样
import cv2
img1 = cv2.imread(r"C:\Users\lihuanyu\Desktop\opencv\image\p.bmp")
r1=cv2.pyrUp(img1)
r2=cv2.pyrUp(r1)
r3=cv2.pyrUp(r2)
cv2.imshow("original",img1)
cv2.imshow("PyrDown1",r1)
cv2.imshow("PyrDown2",r2)
cv2.imshow("PyrDown3",r3)
cv2.waitKey()
cv2.destroyAllWindows()

结果

4. 拉普拉斯金子塔

4.1. 特点

拉普拉斯金字塔(Laplacianpyramid): 用来从金字塔低层图像重建上层未采样图像，在数字图像处理中也即是预测残差，可以对图像进行最大程度的还原，配合高斯金字塔一起使用。

4.2. 相关函数与程序实现

函数：Li = Gi - PyrUp(PyrDown(Gi))Gi ,原始图像

Li ,拉普拉斯金字塔图像

python代码

#%%
import cv2
o=cv2.imread(r"C:\Users\lihuanyu\Desktop\opencv\image\lena.bmp")
od=cv2.pyrDown(o)
odu=cv2.pyrUp(od)
lapPyr=o-odu
cv2.imshow("original",o)
cv2.imshow("lapPyr",lapPyr)
cv2.waitKey()
cv2.destroyAllWindows()

结果

图像金字塔_百度百科Python+OpenCV计算机视觉 - 李立宗