OpenCV学习(4.8) 图像金字塔

1.目的

在这一章当中，

• 我们将了解图像金字塔。
• 我们将使用图像金字塔创建一个新的水果，“Orapple”
• 我们将看到这些功能： cv.pyrUp（） ， cv.pyrDown（）

在通常情况下我们使用大小恒定的图像。但在某些情况下，我们需要使用不同分辨率的同幅图像。例如，在搜索图像中的某些内容如脸部信息时，并不确定该内容在图像中占据的大小。在这种情况下，我们需要创建一组不同分辨率的相同图像，并在所有图像中搜索该内容。这些不同分辨率的图像被称为图像金字塔（因为当它们堆叠排列时，底部为最高分辨率图像而顶部为最低分辨率图像，看起来像金字塔）。

图像金字塔有两种： 1）高斯金字塔和 2）拉普拉斯金字塔

通过去除较低级别图像（较高分辨率）中的连续行和列来形成高斯金字塔中的较高级别图像（较低分辨率）。较高级别图像的每个像素值由低一级别图像的 5 个像素值高斯加权得到,由此图像面积减少到原来的四分之一。这些图像被称为 Octave（组）。当我们在金字塔中上升时（即分辨率降低），重复相似的操作。同理，在金字塔中下降时，每个级别的图像面积大小为上一级的四倍。我们可以使用 cv.pyrDown（） 和 cv.pyrUp（） 函数获取高斯金字塔。

2. 图像金字塔

import cv2
import numpy as np
from matplotlib import pyplot as plt

# 读取原始图像
image = cv2.imread(r'D:\study\EmotionDetection_RealTime-master\data\data\te\13.jpg', cv2.IMREAD_COLOR)

# 创建图像金字塔
# 这里我们将创建三个层次的金字塔
pyramid_images = [image]
cv2.imshow('image',image)
downscaled_image = cv2.pyrDown(image)
cv2.imshow('downscaled_image',downscaled_image)

upsampled_image = cv2.pyrUp(image)

cv2.imshow('upsampled_image',upsampled_image)


# 等待按键后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

2.1 cv2.pyrDown()

cv2.pyrDown()函数用于对图像进行下采样，即减少图像的分辨率。它通常用于创建图像金字塔的较低层次。下采样的具体过程是：

1. 对图像进行高斯模糊。
2. 将模糊后的图像沿水平方向和垂直方向各减半。

这样，原始图像的分辨率被降低了一半。

2.2 cv2.pyrUp()

cv2.pyrUp()函数用于对图像进行上采样，即增加图像的分辨率。它通常用于创建图像金字塔的较高层次。上采样的具体过程是：

1. 将图像复制到一个新的尺寸更大的图像中。
2. 在新图像的边缘填充零。
3. 对新图像进行高斯模糊。

这样，原始图像的分辨率被提高了一倍。

原始图像的分辨率通常指的是图像在水平和垂直方向上的像素数量。这是图像的一个重要属性，因为它决定了图像的清晰度和细节水平。

例如，一个分辨率为1024x768的图像意味着图像在水平方向上有1024个像素，在垂直方向上有768个像素。这意味着图像的总面积是786432个像素（1024x768）。

分辨率通常以像素为单位表示，但也可以用其他单位，如英寸（inches）或厘米（centimeters）。在这种情况下，分辨率指的是每英寸或每厘米的像素数量。例如，一个分辨率为300dpi（dots per inch）的图像意味着每英寸有300个像素。