OpenCV-图像金字塔

图像金字塔的概念

图像金字塔是同一图像不同分辨率的子图集合，是通过对原图像不断地向下采样而产生的，即由高分辨率的图像（大尺寸）产生低分辨率的近似图像（小尺寸）。

最简单的图像金字塔可以通过不断地删除图像的偶数行和偶数列得到。例如，有一副图像，其大小是NN，删除其偶数行和偶数列后得到一副（N/2）（N/2）大小的图像。经过上述处理后，图像大小变为原来的四分之一，不断地重复该过程，就可以得到该图像的图像金字塔。
也可以先对原始图像滤波，得到原始图像的近似图像，然后将近似图像的偶数行和偶数列删除
直接删除偶数行和偶数列②图像滤波后，删除近似图像偶数行和偶数列

领域滤波器：采用领域平均基数求原始图像的近似图像。该滤波器能够产生平均金字塔。
高斯滤波器：采用高斯滤波器对原始图像进行滤波，得到高斯金字塔。这是OpenCV函数cv2.pyrDown所采用的方式。

高斯金字塔

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

Task1
使用函数cv2.pyrDown()和cv2.pyrUp()，先后将任务指导书图像进行向下采样、向上采样，观察采样的结果及结果图像与原始图像的差异。

import cv2 
import numpy as np

def pyramid_demo(image,level):
    temp = image.copy()
    pyramid_images = []
    for i in range(level):
        dst = cv2.pyrDown(temp)
        pyramid_images.append(dst)
        cv2.imshow("pyramid_down_"+str(i), dst)
        temp = dst.copy()
    return pyramid_images[level-1]

src = cv2.imread("lena.jpg")
cv2.imshow("input image", src)
pyramid_demo(src,4)
cv2.waitKey(0)
cv2.destroyAllWindows()

拉普拉斯金字塔

一副图像在经过向下采样后，一副图像在经过向下采样后，再对其进行向上采样，是无法恢复为原始状态的，对此，我们也用程序进行了验证。向上采样并不是向下采样的逆运算。这是很明显的，因为向下采样时在使用高斯滤波器处理后还要抛弃偶数行和偶数列，不可避免的要丢失一些信息。
为了在向上采样时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。

向下采样（高斯金字塔的构成）

G1=cv2.pyrDown（G0）
G2=cv2.pyrDown（G1）
G3=cv2.pyrDown（G2）

拉普拉斯金字塔

L0=G0-cv2.pyrUp（G1）
L1=G1-cv2.pyrUp（G2）
L2=G2-cv2.pyrUp（G3）

向上采样恢复

G0=L0+cv2.pyrUp（G1）
G1=L1+cv2.pyrUp（G2）
G2=L2+cv2.pyrUp（G3）

G0 = cv2.imread("lena.bmp")
cv2.imshow("input image",G0)
G1=cv2.pyrDown(G0)
G2=cv2.pyrDown(G1)
G3=cv2.pyrDown(G2)
G4=cv2.pyrDown(G3)
L0 = cv2.subtract(G0,cv2.pyrUp(G1))
L1 = cv2.subtract(G1,cv2.pyrUp(G2))
L2 = cv2.subtract(G2,cv2.pyrUp(G3))
L3 = cv2.subtract(G3,cv2.pyrUp(G4))
cv2.imshow("G1",G1)
cv2.imshow("G2",G2)
cv2.imshow("G3",G3)
cv2.imshow("G4",G4)
cv2.waitKey(0)
cv2.destroyAllWindows()

l3=cv2.pyrUp(G4)
l2=cv2.pyrUp(l3)
l1=cv2.pyrUp(l2)
l0=cv2.pyrUp(l1)
G00=L0+cv2.pyrUp(G1)
cv2.imshow("l0",l0)
cv2.imshow("G00",G00)
cv2.imshow("input image",G0)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
import numpy as np
A = cv2.imread('apple.png')
A = cv2.resize(A,(256,256),interpolation=cv2.INTER_CUBIC) 
B = cv2.imread('orange.png')
B = cv2.resize(B,(256,256),interpolation=cv2.INTER_CUBIC)
G = A.copy()
gpA = [G]
for i in range(5):
    G = cv2.pyrDown(G)
    gpA.append(G)
    
G = B.copy()
gpB = [G]
for i in range(5):
    G = cv2.pyrDown(G)
    gpB.append(G)
#产生Laplacian金字塔
lpA = [gpA[5]]
for i in range(5,0,-1):
    GE = cv2.pyrUp(gpA[i])
    L = cv2.subtract(gpA[i-1],GE)
    lpA.append(L)

lpB = [gpB[5]]
for i in range(5,0,-1):
    GE = cv2.pyrUp(gpB[i])
    L = cv2.subtract(gpB[i-1],GE)
    lpB.append(L)
#合并
LS = []
for la,lb in zip(lpA,lpB):
    rows,cols,dpt = la.shape
    ls = np.hstack((la[:,0:cols//2], lb[:,cols//2:]))
    LS.append(ls)
ls_ = LS[0]
for i in range(1,6):
    ls_ = cv2.pyrUp(ls_)
    ls_ = cv2.add(ls_, LS[i])
real = np.hstack((A[:,:cols//2],B[:,cols//2:]))
cv2.imshow("apple",A)
cv2.imshow("orange",B)
cv2.imshow("LS",ls_)
cv2.imshow("Real",real)
cv2.waitKey()
cv2.destroyAllWindows()

ROI

import cv2
src=cv2.imread("lena.jpg")
cv2.imshow("first_image", src)
face = src[100:200, 100:200]    #选择200:300行、200:400列区域作为截取对象
gray = cv2.cvtColor(face, cv2.COLOR_RGB2GRAY)  #生成的的灰度图是单通道图像
backface = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)  #将单通道图像转换为三通道RGB灰度图，因为只有三通道的backface才可以赋给三通道的src
src[100:200, 100:200] = backface
cv2.imshow("face", src)
cv2.waitKey(0)
cv2.destroyAllWindows()

import cv2
lena=cv2.imread("lena.jpg")
src=lena.copy()
h,w=src.shape[:2]
h1=h//40
for i in range(0,44,2):
    roi=src[i*h1:(i+1)*h1,0:w]
    gray = cv2.cvtColor(roi, cv2.COLOR_RGB2GRAY)
    backface = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR) 
    src[i*h1:(i+1)*h1,0:w] = backface
cv2.imshow("inputface", lena)
cv2.imshow("face", src)
cv2.waitKey(0)
cv2.destroyAllWindows()

泛洪填充

import cv2 as cv
import numpy as np
def fill_color_demo(src,seedx,seedy):
    img_copy = src.copy()
    h, w, ch = src.shape
    mask = np.zeros([h+2, w+2], np.uint8)
    cv.floodFill(img_copy, mask, (seedx, seedy), (0, 255, 0),(50, 50, 50), (100, 100, 100), cv.FLOODFILL_FIXED_RANGE)
    cv.imshow("color_demo", img_copy)

src = cv.imread('AM.png')
fill_color_demo(src,140,140)
cv.waitKey()
cv.destroyAllWindows()