【OpenCV高阶 之 图像金字塔 AND 图像直方图】

向上采样：

通常将图像的宽度和高度都变为原来的2倍。这意味着，向上采样的结果图像的大小是原始图像的4倍。因此，要在结果图像中补充大量的像素点。对新生成的像素点进行赋值的行为，称为插值。
做法：

1. 插值
2. 高斯滤波

向上采样和向下采样是相反的两种操作。但是由于向下采样会丢失像素值，所以这两种操作并不是可逆的。也就是说，对一幅图像先向上采样、再向下采样，是无法恢复其原始状态的；同样，对一幅图像先向下采样、再向上采样也无法恢复到原始状态。

dst = cv2.pyrUp(src[,dstsize[,borderType]]

拉普拉斯金字塔：

为了在向上采样是能够恢复具有较高分辨率的原始图像，就要获取在采样过程中所丢失的信息，这些丢失的信息就构成了拉普拉斯金字塔。也是拉普拉斯金字塔是由向下采样时丢失的信息构成。

拉普拉斯金字塔的定义：
Li = Gi - pyrUp(pyrsown(Gi)))
式中：Li：表示拉普拉斯金字塔中的第i层
Gi：表示高斯金字塔中的第i层
Gi+1：表示高斯金字塔中的第i+1层

图像直方图：

直方图：是图像中像素强度分布的图形表达方式。

直方图的作用：

例如视频中。通过标记帧和帧之间显著的边缘和颜色的统计变化，来检测视频中场景的变换。

灰度值在0-255范围之间总共256个值，可以将我们的范围划分为子部分(称为bins).例如：

直方图均衡化：

是一种图像增强技术，它可以通过增加图像的对比度和亮度来改善图像的质量。

实现方法：通过将图像的像素值分布均匀化来实现这一目标。

在python OpenCV 中，可以使用cv2.equalizeHist()函数来实现直方图均衡化。

代码示例:

import cv2
import matplotlib.pyplot as plt
import numpy as np
'''-------------高斯金字塔操作中的向下取样-------'''
face=cv2.imread('face.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('face',face)
cv2.waitKey(100000)
face_down_1=cv2.pyrDown(face)
cv2.imshow('face_down_1',face_down_1)
cv2.waitKey(100000)
face_down_2=cv2.pyrDown(face_down_1)
cv2.imshow('face_down_2',face_down_2)
cv2.waitKey(100000)

face_up_1=cv2.pyrUp(face)
cv2.imshow('face_up_1',face_up_1)
cv2.waitKey(100000)
face_up_2=cv2.pyrUp(face_up_1)
cv2.imshow('face_up_2',face_up_2)
cv2.waitKey(100000)

#对向下采用后图像进行上采样，图像变模糊，无法复原
face_down_1_up=cv2.pyrUp(face_down_1)
cv2.imshow('face_down_1_up',face_down_1_up)
cv2.waitKey(100000)

face_down_2_up=cv2.pyrUp(face_down_2)
cv2.imshow('face_down_2_up',face_down_1_up)
cv2.waitKey(100000)

#拉普拉斯金字塔
L0=face - face_down_1_up
L1=face_down_1 - face_down_2_up

face_restore_1=L1+face_down_2_up
cv2.imshow('face_restore_1',face_restore_1)
cv2.waitKey(100000)

cv2.imshow('L1',L1)
cv2.waitKey(100000)

'''------------------------直方图-------------------'''
#cv2.calcHist(images,channels,mask,histSize,ranges) [r,g,b]
# images: 原图像。当传入函数时应 用中括号[]括来例如[img]
# channels:表示传入的图像通道数。如果输入图像是灰度图它的值就是[0]。
# 如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR.
# mask: 掩模图像。统计整幅图像的直方图就把它为None。但是如果你想统计图像某一部分的直方图，你就制作一个掩膜图像
# histsize:BINS的数目。也需用中括号来表示，它表示将像素值范围划分为多少个小区间。
        # 设置为[256]，表示将0-255的像素值范围划分为256个bin。
# ranges:图像的范围，一般是[0，456]

phone = cv2.imread('phone.png',cv2.IMREAD_GRAYSCALE)
phone_hist=cv2.calcHist([phone],[0],None,[16],[0,256])
a=phone.ravel()#将高维数组降为一维数组的方法
plt.hist(a)#用于绘制直方图
plt.show()

plt.plot(phone_hist)#使用calcHist的值绘制曲线图
plt.show()

# # 绘制三个通道的直方图曲线
img=cv2.imread('phone.png')
color=('b','g','r')
for i, col in enumerate(color):
    histr=cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color=col)
plt.show()

#什么是mask? 掩膜，ps pr
#mask参数如何使用？mask为掩膜图像，先来看一下mask效果
phone=cv2.imread('phone.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('phone',phone)
cv2.waitKey(100000)
mask=np.zeros(phone.shape[:2],np.uint8) #创建黑白图像，用于制作Mask
mask[50:350,100:470]=255
cv2.imshow('mask',mask)
cv2.waitKey(100000)

# cv2.bitwise_and():对图像(灰度图像或彩色图像均可)每个像素值进行二进制"与"操作，1&1=1，1&0=0，0&1=0，
# bitwise _and(src1,src2,dst=None,mask=None)参数:
# src1、src2:为输入图像或标量，标src1和src2相与。
# dst:可选输出变量，如果需要使用非None则要先定义，且其大小与输入变量相同
# mask:图像掩膜，可选参数，在掩模的范围内做图像与运算，mask为日的值，src1和src2相与的值都为0.
#  非0的值，为src1和src2相与的值。
Phone_mask=cv2.bitwise_and(phone,phone,mask=mask)
cv2.imshow('phone_mask',Phone_mask)
cv2.waitKey(100000)

phone_hist_mask=cv2.calcHist([phone],[0],mask,[256],[0,256])
plt.plot(phone_hist_mask) #使用calcHist的值绘制曲线图
plt.show()

#直方图均衡化:直方图均衡化是一种图像增强技术，它可以通过增加图像的对比度和亮度来改善图像的质量。
# #直方图均衡化通过将图像的像素值分布均匀化来实现这一目标。
#在Python 0penCV中，可以使用cv2.equalizeHist()函数来实现直方图均衡化。
#该函数将输入图像转换为灰度图像，并将其像素值分布均匀化，从而增强图像的对比度和亮度

phone=cv2.imread('woman.png',cv2.IMREAD_GRAYSCALE)
cv2.imshow('woman',phone)
cv2.waitKey(100000)

phone_hist=cv2.calcHist([phone],[0],None,[256],[0,256])
plt.hist(phone.ravel(),bins=256) #numpy中的ravel将数组多维度拉成一维数组
plt.show()

phone_equalize=cv2.equalizeHist(phone)
plt.hist(phone_equalize.ravel(),bins=256) #numpy中的ravel将数组多维度拉成一维数组
plt.show()

res=np.hstack((phone,phone_equalize)) #横向拼接，将多个数组按水平方向（列顺序）堆叠成一个新的数组
cv2.imshow('woman_equalize',res)
cv2.waitKey(100000)

# # 自适应直方图均衡化(局部直方图处理)，当需要保存细节特征，需要做局部处理
## cv2.createCLAHE([,clipLimit[,tileGridsize]])→ retval
## 参数说明:
## clipLimit;对比度限制。对比度超过该值的像素将被截断，以防止过度增强对比度，默认值 8。
# # 对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间
# # titleGridSize:局部直方图均衡化的模板(邻域)大小，可选项，默认值(8,8)
# clahe = cv2.createCLAHE(clipLimit=0.5，tileGridSize=(8,8))
clahe=cv2.createCLAHE(clipLimit=0.5,tileGridSize=(8,8)) # 通过类创建了一个局部均衡化对象
phone_clahe=clahe.apply(phone)
res=np.hstack((phone,phone_equalize,phone_clahe))
cv2.imshow('phone_equalize',res)
cv2.waitKey(100000)

执行结果：

face:

向下采样操作face_down_1 face_down_2：

向上采样1次：face_up_1：

向上采样2次：face_up_2：

向下采样1次之后再向上采样face_down_1_up：

向下采样2次之后再向上采样face_down_2_up：

#对向下采用后图像进行上采样，图像变模糊，无法复原

拉普拉斯金字塔

face_restore_1：

L1：

---

直方图

FIgure1:

曲线图

三个通道的直方图曲线

phone原图：

掩膜图像mask

mask掩膜图像中每个像素值二进制“与”操作 phone_mask

mask 曲线图

woman原图

woman多维变一维

横向拼接 woman_equalize：

自适应直方图均衡化后 phone_equalize

---

xue