OpenCV：08图像金字塔

图像金字塔

图像金字塔介绍

图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效且概念简单的结构。简单来说，图像金字塔是同一图像不同分辨率的子图集合（有800×800、480×640…）

图像金字塔最初用于机器视觉和图像压缩，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渐降低、且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。

金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低

高斯金字塔固定了缩放比，即如果你是800×800的图，无法缩放成500×500

我们将要学习用什么方法，如何去生成这些图像金字塔

---

常见两类图像金字塔：

• 高斯金字塔（Gaussian pyramid）：用来向下/降采样（分辨率减小，图片变小，向上走），是主要的图像金字塔；
• 拉普拉斯金字塔（Laplacian pyramid）：用来从金字塔低层图像重建上层未采样图像，在数字图像处理中也就是预测残差，可以对图像进行最大程度的还原，配合高斯金字塔一起使用

高斯金字塔（Gaussian pyramid）

高斯金字塔是通过高斯平滑和亚采样（一个图形中取出一小块）获得的一系列下采样图像

向下采样

原理非常简单：如下图所示

原始图像分辨率M*N ——> 处理图像后分辨率M/2 * N/2；即每次处理后，结果是原来的1/4（不要求是偶数，会自动四舍五入）

注意：向下采样（分辨率减小，在上图中表现为方向向上）会丢失信息

关键API：cv2.pyrDown(src[, dst[, dstsize[, borderType]]])
其中：

• src：需要操作的图片
• dst：返回值，不用写，我们用一个参数接受即可
• dstsize：返回图片的大小
• 图片会变成原来的1/4

# 高斯金字塔 ——> 向下采样

import cv2
import numpy as np

img = cv2.imread('./lena.png')

# 分辨率减小的操作：下采样
dst = cv2.pyrDown(img)

# 还可再变化多次
dst2 = cv2.pyrDown(dst)

# 展示
cv2.imshow('img',img)
cv2.imshow('dst',dst)
cv2.imshow('dst2',dst2)

cv2.waitKey(0)
cv2.destroyAllWindows()

结果：

其实清晰度几乎没变，这就是图像金字塔的厉害之处：虽然丢掉了偶数行和偶数列，但是经过了高斯核函数卷积后，相当于把一个像素点匀到周围了，因此变化不大

---

向上采样

向上采样是向下采样的相反过程，指图片从小变大的过程

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4）于放大后的图像卷积，获取近似值 ——> 假设四个一组，相当于把有数值的地方向周围三个0的位置填充**（以左上角为例，相当于把10分成四份，一份2.5；但是由于整体值变小了，图像会偏暗，为了解决这个问题，我们乘4，相当于“复制”四份）**

操作和向下采样一样！

关键API：cv2.pyrUp(src[, dst[, dstsize[, borderType]]])
其中：

• src：需要操作的图片
• dst：返回值，不用写，我们用一个参数接受即可
• dstsize：返回图片的大小
• 图片会变成原来的4倍

# 高斯金字塔 ——> 向上采样

import cv2
import numpy as np

img = cv2.imread('./Hello.jpeg')

# 分辨率减小的操作：下采样
dst = cv2.pyrUp(img)