图像处理26：图像金子塔

一般情况下，我们要处理是一副具有固定分辨率的图像。但是有些情况下， 我们需要对同一图像的不同分辨率的子图像进行处理。

比如要在一幅图像中查找某个目标，比如脸，而且不知道目标在图像中的尺寸大小。这种情况下，需要创建一组图像，这些图像是具有不同分辨率的原始图像。这组图像叫做图像金字塔（简单来说就是同一图像的不同分辨率的子图集合）。如果把最大的图像放在底部，最小的放在顶部，看起来像一座金字 塔，故而得名图像金字塔。

有两类图像金字塔：高斯金字塔和拉普拉斯金字塔。高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。顶部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值。这样 操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。所以这幅图像的面积就变为原来图像面积的四分之一。这被称为an Octave（一个八度）。连续进行这样的操作就会得到一个分辨率不断下降的图像金字塔。

可以使用函数cv2.pyrDown()和cv2.pyrUp()构建图像金字塔。 函数cv2.pyrDown()从一个高分辨率大尺寸的图像向上构建一个金子塔 （尺寸变小，分辨率降低）。函cv2.pyrUp()从一个低分辨率小尺寸的图像向下构建一个金子塔（尺寸变大，但分辨率不会增加）。

#coding:utf-8

import cv2
import numpy as np
from matplotlib import pyplot as plt


img = cv2.imread('F:/9.jpg')

higher_reso = cv2.pyrUp(img)#向上构建金子塔(需要循环构建)
lower_reso = cv2.pyrDown(img)#向下构建金子塔(需要循环构建)

while(1):
    cv2.imshow('Img',img)
    cv2.imshow('HigherReso',higher_reso)
    cv2.imshow('LowerReso',lower_reso)
    if  cv2.waitKey(1) & 0xFF==27:
        break

结果图：

注意：因为一旦使 用 cv2.pyrDown()，图像的分辨率就会降低，信息就会被丢失。如果 先cv2.pyrDown()产生的中间图像 再使用函数 cv2.pyrUp()得到图像，与原图像相比分辨率 差了很多。修改代码：

  
  

   
   higher_reso = cv2.pyrUp(img)#向上构建金子塔(需要循环构建)
  
  

  
  

   
   lower_reso = cv2.pyrDown(higher_reso)
   
   #向下构建金子塔(需要循环构建)
  
  

拉普拉斯金字塔可以有高斯金字塔计算得来，公式如下：

拉普拉金字塔的图像看起来就像边界图，其中很多像素都是 0。他们经常被用在图像压缩中。添加一行代码：

img = cv2.Canny(img, 100, 200)

结果图：