学习笔记(31):Python+OpenCV计算机视觉-图像金字塔

立即学习:https://edu.csdn.net/course/play/10552/234949?utm_source=blogtoedu

图像金字塔-理论基础

图像金字塔:同一图像不同分辨率的子图集合。

向下采样:G0-Gn  分辨率越来越小

从第i层获取第i+1层

① 对图像Gi进行高斯核卷积

② 删除所有的偶数行和列

原始图像M*N   处理结果M/2*N/2

每次处理后,结果图像是原来的1/4

上述操做被称为Octave

重复执行该过程,构造图像金字塔

向上采样:Gn-G0  分辨率越来越大

在每个方向上扩大为原来的2倍,新增的行和列以0填充。

使用与“向下采样”同样的卷积核乘以4,获取“新增像素”的新值。

*向上采样,向下采样不是互逆操作,经过两种操作后,无法恢复原有图像。

dst = cv2.pyrDown(src)

dst = cv2.pyrUP(src)

import cv2
import numpy as np
img = cv2.imread('111.jpg',cv2.IMREAD_UNCHANGED)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  
down = cv2.pyrDown(gray)
up = cv2.pyrUp(gray)
cv2.imshow('down',down)
cv2.imshow('up',up)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

PythonOpenCV是一种非常流行的计算机视觉库,用于处理图像和视频数据。OpenCV(Open Source Computer Vision Library)是一个开源的计算机视觉和机器学习软件库,提供了许多功能,包括图像处理、特征检测、目标跟踪、运动检测等。Python是用于编写计算机程序的高级编程语言,它易于学习,并且拥有丰富的第三方库,包括OpenCVPythonOpenCV的主要应用场景包括: 1. 图像处理:使用OpenCV可以进行各种图像处理操作,例如调整大小、裁剪、旋转、色彩空间转换、滤波等。 2. 特征检测:OpenCV提供了许多特征检测算法,如SIFT、SURF、ORB等,可用于识别图像中的关键点并提取特征描述符。 3. 目标跟踪:OpenCV提供了许多目标跟踪算法,如帧间差分法、光流法等,可用于实时跟踪视频中的运动目标。 4. 运动检测:OpenCV可以检测视频中的运动对象,例如车辆、行人等。 5. 面部识别:OpenCV可以用于面部识别,通过检测图像中的面部特征并进行匹配。 使用PythonOpenCV进行计算机视觉开发的基本步骤包括: 1. 安装PythonOpenCV库:可以从官方网站下载并安装PythonOpenCV库。 2. 导入库:在Python脚本中导入OpenCV库,以便可以使用其提供的函数和方法。 3. 读取图像或视频文件:使用OpenCV的函数读取图像或视频文件,并将其加载到内存中。 4. 进行图像处理或特征检测:使用OpenCV提供的函数和方法对图像或视频进行处理或检测特征。 5. 保存结果:将处理或检测的结果保存到文件或输出到控制台。 总之,PythonOpenCV是一种强大的计算机视觉工具,可用于各种图像和视频处理任务。通过学习和掌握PythonOpenCV,您可以轻松地进行计算机视觉研究、开发和应用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值