引入
一般情况下,我们要处理是一副具有固定分辨率的图像,但是有些情况下,需要对同一图像的不同分辨率的子图像进行处理。比如,我们要在一幅图像中查找某个目标,比如脸,我们不知道目标在图像中的尺寸大小,这种情况下,我们需要创建创建一组图像,这些图像是具有不同分辨率的原始图像。
图像金字塔简介
图像金字塔是图像中多尺度表达的一种,最主要用于图像的分割,是一种以多分辨率来解释图像的有效但概念简单的结构。图像金字塔最初用于机器视觉和图像压缩,一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。金字塔的底部是待处理图像的高分辨率表示,而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。
分类
高斯金字塔 ( Gaussian pyramid):
用来向下/降采样,主要的图像金字塔
高斯金字塔的生成过程: 对当前层进行高斯模糊;
删除当前层的偶数行与列。(1/4)
高斯滤波器可以看做一个低通滤波器,那么每经过一次的高斯滤波,图像中仅能够保留某个频率值以下的频率部分,所以高斯金字塔也可以看做一个低通金字塔(每一级只保留某个频率以下的成分)。
高斯不同:(Difference of Gaussian DOG)
定义:把同一张图像在不同的的参数下做高斯模糊之后的结果相减,得到的输出图像,称为高斯不同(DOG)
高斯不同是图像的内在特征,在灰度图像增强、角点检测中经常用到。
拉普拉斯金字塔(Laplacian pyramid)
用来从金字塔低层图像重建上层未采样图像,在数字图像处理中也即是预测残差,可以对图像进行最大程度的还原,配合高斯金字塔一起使用。
在进行高斯金字塔运算时,由于不断的进行高斯滤波和下采样,我们丢失了很多高频信号,而拉普拉斯金字塔的目的就是保存这些高频信号,保存这些高频信号所采用的方式就是保存差分图像。比如,拉普拉斯金字塔的第0层,就是原始图像和原始图像下采样(Reduce)后再次上采样(Expand)的图像的差值。
拉普拉斯金字塔可以看做一个带通滤波器,在每一级都保留了图像某个频率值附近的成分
图像金字塔的应用:
在低尺度下可以看清楚很多细节,在高尺度下可以看到轮廓
1、构造特征时适应尺度变化。尺度空间达到『尺度不变性』。
2、增加特征维度,构造高维特征;
3、在一些边缘检测算法里面,为了忽略比较弱的边,也会利用尺度空间来进行降采样,高斯滤波大部分时候可以被理解成某种去噪/平滑操作,其实也是尺度空间思想。
4、寻找点特征时,有时候希望找到的点在整个尺度空间里都是很强的,不是那种在最开始还是一个比较强的特征点,尺度高了之后这个特征点就消失了。希望只处理那些从始至终都比较坚挺的特征点,那就可以在金字塔的顶层提取特征点,然后只是在下面的层进行局部搜索验证。增强鲁棒性、提升算法运行的速度。
参考链接:
https://www.cnblogs.com/ssyfj/p/9273643.html