数字图像金字塔

                                        

                                                                 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