OpenCV学习笔记——图像金字塔

图像金字塔

分类

向上采样

1. 步骤
   1. 对图像进行高斯滤波（从外围到中心不同权值的模糊化）
   2. 删除偶数行列
2. 例子
   1. 拉普拉斯金字塔

向下采样

1. 步骤
   1. 对图像进行高斯滤波（从外围到中心不同权值的模糊化）
   2. 删除偶数行列
2. 例子
   1. 高数金字塔

高斯金字塔

1. 高斯平滑处理（原始图像进行高斯内核卷积）->（从外围到中心不同权值的模糊化）
2. 图像采样去除偶数行和列
3. 采样之后图像分辨率和面积均成为原来的1/4
4. 函数

   1. pyrDown()

      1. 从高分辨率的图像逐步向上构建（尺寸变小，分辨率降低）

         pyrDown(src,dst=None,dstsize=None,borderType=None)
         

         src->参数，dst->输出图像，dstsize->输出图像的大小默认为Size()，borderType->像素外推方法（仅支持BORDER_DEAFULT）
         向下取样的例子：

         import cv2 as cv
         img = cv.imread(r"test.jpg")
         down=cv.pyrDown(img)#图像向下取样
         cv.imshow("original",img)#显示原始图像
         cv.imshow("pyrDown",down)#显示修改后的图像
         cv.waitKey(0);
         cv.destroyAllWindows();#销毁所有的窗口```
         
         

   2. pyrUp()：

      1. 从低分辨率的图像逐步向下构建（尺寸变大，分辨率升高）

         pyrUp(src,dst=None,dstsize=None,BorderType=None)
         

         src->输入图像，dst->输出图像（尺寸类型同输入），dstsize->输出图像大小，默认值为Size(),borderType->像素外推方法
         例子（验证不是互逆操作：先向下再向上（思考反向先向上在向下））：

      	import cv2 as cv 
      	img=cv.imread(r"img.jpg")
      	r1=cv.pyrDown(img)
      	r2=cv.pyrUP(r1)
      	cv.imshow("PD1",r1)
      	cv.imshow("PU1",r2)
      	cv.waitKey(0)
      	cv.destroyAllWindows()
      

拉普拉斯金字塔

1. 原理
   1. $L_i=G_i-PyrUP(PyrDown(G_i))$
      1. $G_i$->原始图像
      2. $L_i$->拉普拉斯金字塔图像
   2. ![[Pasted image 20230113174508.png]]
      1. 迭代的过程
   3. 拉普拉斯实例

   import cv2 as cv
   import numpy as np
   #拉普拉斯算子
   def Laplace_demo(image):
   	dst= cv.Laplacian(image,cv.CV_32F)
   	lpls_1=cv.convertScaleAbs(dst)
   	cv.imshow("lpls1",lpls_1)
   	#自定义拉普拉斯算子
   	kernel = np.array([[1,1,1],[1,-8,1],[1,1,1]])
   	dst=cv.filter2D(image,cv.CV_32F,kernel)
   	lpls_2=cv.convertScaleAbs(dst)
   	cv.imshow("lpls2",lpls_2)
   if __name__ == "__main__":
   	src=cv.imread(r"test.jpg")
   	src=cv.resize(src,None,fx=0.5,fy=0.5)
   	cv.imshow("image",src)#显示修改尺寸的原图
   	Laplace_demo(src)#变换
   	cv.waitKey(0)
   	cv.destoryAllWindows()
   

向上向下取样的差别

向上取样：
放大模糊化
向下取样：
放小丢失像素点
Ps:
向上向下取样不是互逆操作（模糊化之后无法恢复原来的样子）

图像金字塔的目的

通过建立图像金字塔，提取特征的时候不仅从原始图像当中提取特征->图像融合，而且也要从图像金字塔当中提取特征
通过不断的缩小图片（模糊化）强化提取的特征？