Opencv之图像金字塔：高斯金字塔和拉普拉斯金字塔

1.介绍
    图像金字塔是图像中多尺度的一种表现，主要用于分割，目前最流行的方法：深度学习里面也有它的身影，比如文本检测方法“TextBoxes++”就用到它了，为什么要用它，效果会好一些呢？因为一张图片中，有些字体比较大，有些字体比较小。今天的猪脚是介绍传统图像金字塔：高斯金字塔和拉普拉斯金字塔，至于深度学习的，我就不展开讲了。

2.高斯金字塔
    高斯金字塔的生成，主要用到pyrDown函数，其生成原理：

    （1）输入图片

    （2）对图像进行高斯内核卷积

    （3）将所有偶数行和列去除，得到（1）中图片的1/4大小

    （4）将（3）中得到的图片重复（2）和（3）步骤，直到得到n级图像金字塔

    注意：在生成图像金字塔过程中，图像的信息是在不断的被丢失

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
 
 
using namespace cv;
int main()
{
	Mat srcImage = imread("kodim23.png"); 
	Mat dstImage1, dstImage2;
	pyrDown(srcImage, dstImage1, Size(srcImage.cols / 2, srcImage.rows / 2));
	pyrDown(dstImage1, dstImage2, Size(dstImage1.cols / 2, dstImage1.rows / 2));
	imshow("srcImage", srcImage);
	imshow("dstImage1", dstImage1);
	imshow("dstImage2", dstImage2);
 
	waitKey(0);
 
	return 0;
}

  效果：

 

 

3.拉普拉斯金字塔
    拉普拉斯金字塔的生成，主要是基于高斯金字塔以及用到pyrUp函数，其生成原理：

    （1）输入图片

    （2）缩小图片，对应高斯金字塔步骤中的（2）和（3）

    （3）将上一步骤得到的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

    （4）进行高斯内核卷积（缩小的时候，用什么核，这里就用什么核）

    （5）步骤（1）的图片  -  步骤（4）所得到的图片（所得到的图片具有高频信息）

    （6）重复（2）-（5），直到得到n级图像金字塔
 

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
 
 
using namespace cv;
int main()
{
	Mat srcImage = imread("kodim23.png"); 
	Mat downImage1, downImage2;
	Mat upImage1, upImage2;
	Mat lapImage1, lapImage2;
	pyrDown(srcImage, downImage1, Size(srcImage.cols / 2, srcImage.rows / 2));
	pyrDown(downImage1, downImage2, Size(downImage1.cols / 2, downImage1.rows / 2));
 
	pyrUp(downImage2, upImage2, Size(downImage2.cols * 2, downImage2.rows * 2));
	pyrUp(downImage1, upImage1, Size(downImage1.cols * 2, downImage1.rows * 2));
 
	lapImage1 = srcImage - upImage1;
	lapImage2 = downImage1 - upImage2;
 
	imwrite("lapImage1.png", lapImage1);
	imwrite("lapImage2.png", lapImage2);
	return 0;
}

    效果：