Gaussian 金字塔 和 Laplacian 金字塔

以多个分辨率来表示图像的一种有效且简单的结构是图像金字塔。图像金字塔是一系列以金字塔形状排列的、分辨率逐步降低的图像集合。如图1所示:


金字塔底部是待处理图像的高分辨率表示,而顶部则是低分辨率表示。最底层叫做基础级J,它的大小为N*N。最顶层的叫顶点级0,大小为1。一般来说,过多的分辨率级数并没有价值,所以会将金字塔截断到P+1级。P+1级金字塔中的像素总数是:


图2显示了一个构建两个密切联系的图像金字塔系统。第j-1级近似输出提供建立一个近似金字塔所需的图像,第j级预测残差输出用于构建一个补充的预测残差金字塔。


多种近似滤波器可以在此使用:邻域平均产生平均金字塔,低通高斯滤波产生高斯金字塔,不滤波将产生取样金字塔。

注:上采样可看成是在序列中的每一个样本后插入0,下采样可看成是每隔一个样本丢弃一个样本。

example:


给出一幅大小为256*256的图片,设置高斯核的大小为5,标准差为1.6,金子塔层数为3。则所得的高斯金字塔结果如下所示:


所得的预测残差金字塔(拉普拉斯金字塔)如下:


此处所用的程序链接:http://cn.mathworks.com/matlabcentral/fileexchange/30790-image-pyramid-gaussian-and-laplacian-

由于高斯金字塔反应的是图片在不同级的低频信息,因此通过差分获得的拉普拉斯金子塔反应的即为图片在不同级的高频信息。

金字塔是一种图像处理技术,它可以将图像分解为多个不同尺度的子图像。在金字塔中,高斯金字塔和拉普拉斯金字塔是两种常见的金字塔类型。 1. 高斯金字塔: 高斯金字塔是通过对原始图像进行多次模糊和下采样得到的。每一层的图像都是通过对上一层的图像进行模糊和下采样得到的。模糊操作可以使用高斯滤波器来实现,下采样则是将图像的尺寸缩小一半。高斯金字塔的目的是为了在不同尺度上对图像进行分析和处理。 2. 拉普拉斯金字塔: 拉普拉斯金字塔是通过对高斯金字塔进行处理得到的。每一层的图像都是通过将上一层的图像进行上采样并与下一层的图像相减得到的。上采样是将图像的尺寸放大一倍,可以使用插值算法来实现。拉普拉斯金字塔的目的是为了提取图像的细节信息。 下面是一个使用Python进行金字塔处理的示例: ```python import cv2 # 读取图像 image = cv2.imread('image.jpg') # 构建高斯金字塔 gaussian_pyramid = [image] for i in range(5): image = cv2.pyrDown(image) gaussian_pyramid.append(image) # 构建拉普拉斯金字塔 laplacian_pyramid = [gaussian_pyramid[4]] for i in range(4, 0, -1): expanded = cv2.pyrUp(gaussian_pyramid[i]) laplacian = cv2.subtract(gaussian_pyramid[i-1], expanded) laplacian_pyramid.append(laplacian) # 显示金字塔图像 for i in range(5): cv2.imshow('Gaussian Pyramid {}'.format(i), gaussian_pyramid[i]) for i in range(4): cv2.imshow('Laplacian Pyramid {}'.format(i), laplacian_pyramid[i]) cv2.waitKey(0) cv2.destroyAllWindows() ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值