数字图像金字塔模型
Level层定义的是图片的分辨率,图像金字塔的塔底到塔顶表示的是图片的缩小过程。也就是说从第Level0层开始是原图,越往上越压缩,丢失的信息越多。图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的、分辨率逐步降低的、且来源于同一张原始图的图像集合。
图像金字塔和残差金字塔可以通过迭代的方式进行计算。如下图所示。在第一次迭代之前,将以图像金字塔形式描绘的图像放在金字塔的J级,然后按照如下算法执行P次。
迭代模型
高斯金字塔(缩小图像)
为了获取层级i+1层的高斯金字塔图像,采取如下方法:
(1)对图像i进行高斯内核卷积;
(2)将所有偶数行和列去除;
得到的图像即为i+1层的图像,显而易见,结果图像只有原始图像的四分之一。通过对图像i层的不停迭代以上步骤就可以得到整个金字塔。同时可以发现,向下取样会逐渐丢失图像的信息。
其中,高斯核卷积运算(高斯滤波)就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值(权重不同)经过加权平均后得到。常见的 3*3 和 5*5 高斯核如下:
高斯算法模型
缩小过程演示
拉普拉斯金字塔(放大图像)
(1)将图像在每个方向扩大为原来的两倍,新增的行和列以0填充;
(2)使用先前同样的内核(乘以四)与放大后的图像卷积,获得“新增像素”的值
得到的图像即为放大后的图像,但是与原来图像相比发现会比较模糊,因为在缩放的过程中已经丢失了一些信息,如果想在缩小和放大整个过程中减少信息的丢失,这些数据形成了拉普拉斯金字塔。
拉普拉斯算法模型
放大过程演示