图像的四叉分解

最新推荐文章于 2024-02-15 23:31:45 发布

T20140401

最新推荐文章于 2024-02-15 23:31:45 发布

阅读量1.8k

点赞数

分类专栏： OpenCV

OpenCV 专栏收录该内容

27 篇文章 0 订阅

订阅专栏

原文地址：图像的四叉分解 作者：uleen

一个简单的示例（来自MATLAB help for qtdecomp）：
原始矩阵：
I =
    1    1    1    1    2    3    6    6
    1    1    2    1    4    5    6    8
    1    1    1    1    7    7    7    7
    1    1    1    1    6    6    5    5
   20   22   20   22    1    2    3    4
   20   22   22   20    5    4    7    8
   20   22   20   20    9   12   40   12
   20   22   20   20   13   14   15   16
>> S = qtdecomp(I,.05) %执行四叉分解，阈值为0.05,实际上的阈值是ceil(0.05*255)=13,因为I是uint8类的
S =
   (1,1)        4
   (5,1)        4
   (1,5)        4
   (5,5)        2
   (7,5)        2
   (5,7)        2
   (7,7)        1
   (8,7)        1
   (7,8)        1
   (8,8)        1
S是一个稀疏阵，全显示为：
>> disp(full(S));
     4     0     0     0     4     0     0     0
     0     0     0     0     0     0     0     0
     0     0     0     0     0     0     0     0
     0     0     0     0     0     0     0     0
     4     0     0     0     2     0     2     0
     0     0     0     0     0     0     0     0
     0     0     0     0     2     0     1     1
     0     0     0     0     0     0     1     1
过程：
①

②

③

含义：

显示四叉树分解的表示（来自MATLAB help，作了些注释）：
I = imread('liftingbody.png');
S = qtdecomp(I,.27);%以阈值ceil(0.27*255)=69对图像I进行四叉分解
blocks = repmat(uint8(0),size(S));%得到一个和I同尺寸的黑色背景blocks

for dim = [512 256 128 64 32 16 8 4 2 1];    %分块全是2的整数次幂，注①
numblocks = length(find(S==dim));    %有numblocks个尺寸为dim的分块，注③
if (numblocks > 0)
    values = repmat(uint8(1),[dim dim numblocks]);%产生一个dim x dim x numblocks的三维1值矩阵（或说

                 % numblocks个尺寸为dim x dim的1值block）
    values(2:dim,2:dim,:) = 0;
    blocks = qtsetblk(blocks,S,dim,values);%blocks保存了所有块被替换后的结果。注④
end
end

blocks(end,1:end) = 1;
blocks(1:end,end) = 1;

imshow(I), figure, imshow(blocks,[])

注：
①如果图像不是2的整数次幂，则函数qtdecomp会运行出错。需要将输入图像增大为一个方形，其维数是可包围图像的2的最小整数次幂。这样以确保分离为1是可能的。如，对于一幅 246x300的图像，需要将其扩展为512x512，

可使用如下方法：
>> I(512,512)=0；%原始图像位于I的左上角，扩展的区域全部为0，是不会影响分解结果的。
②分离结果看起来密密麻麻的，但实际上分离的等级数并不多，如512x512的图像最多才分离9次（512分离为4个

256x256算第一级，256再分离为4个128x128算第二级，……），因为每次细分的尺寸都是呈2的指数次减小，故等级数不多。
③find(S==dim)返回的是S中值为dim的linear indexing（线性索引）。含义：MATLAB中矩阵在内存中是以按列的

方式存取的，故对于矩阵A＝[2 6 9; 4 2 8; 3 5 1]，使用A(3,2)与A(6)有相同的效果——都是访问元素值5。如

此例中，dim=128时，find(S==dim)返回的是：
>> find(S==128)
ans =
           1
         129
       65537
      131073
      196609
      196865
即共有6个尺寸为128x128的分块，它们的位置分别在1、129、65537、131073、196609 、 196865。
这些数字叫做元素的“linear indices（线性顶点）”，根据这些顶点，可以很容易的推算出元素所在的行列位置

。如对于131073的元素而言，其所在的列位置为col=ceil(131073/512)＝257，行位置为row=131073-(col-1)

*512=1,即S（1，257）＝S（131073）。find的另一种形式可以直接获得行列位置：[row,col] = find(S==dim);
④J = qtsetblk(I, S, dim, vals) replaces each dim-by-dim block in the quadtree decomposition of I

with the corresponding dim-by-dim block in vals. S is the sparse matrix returned by qtdecomp; it

contains the quadtree structure. vals is a dim-by-dim-by-k array, where k is the number of dim-by-

dim blocks in the quadtree decomposition.
明确的说明了qtsetblk的功能：在图像I的四叉树分解S中，用vals定义的块代替dim对应的块。
每个块具有如下特征：

下图给出了S中尺寸为128、64和32的块被values定义的块替换后的效果：

⑤试着做下修改，就可在原图上显示网格：
I = imread('liftingbody.png');
S = qtdecomp(I,.27);

for dim = [512 256 128 64 32 16 8 4 2 1];
numblocks = length(find(S==dim));
if (numblocks > 0)
    [values, r, c] = qtgetblk(I, S, dim);%读取S中所有尺寸为dim x dim的block，r和c是所有块的左上角点

位置
    values(1:end,1,:)=0;%直接修改所有block的左、上边界为黑色。注意values是三维矩阵！！
    values(1,1:end,:)=0;
    I= qtsetblk(I,S,dim,values);%直接用修改后的block去替换S中的现有block
end
end