图像金字塔的一个应用是图像融合。例如,在图像缝合中,需要将两幅图叠在一起,但是由于连接区域图像像素的不连续性,整幅图的效果看起来会很差。这时图像金字塔就可以排上用场了,他可以帮你实现无缝连接。这里的 一个经典案例就是将两个水果融合成一个,看看下图。
可以通过阅读后边的更多资源来了解更多关于图像融合,拉普拉斯金字塔的细节。 实现上述效果的步骤如下:
1. 读入两幅图像,苹果和橘子
2. 构建苹果和橘子的高斯金字塔(6 层)
3. 根据高斯金字塔计算拉普拉斯金字塔
4. 在拉普拉斯的每一层进行图像融合(苹果的左边与橘子的右边融合)
5. 根据融合后的图像金字塔重建原始图像。
整个过程的代码如下。(为了简单,每一步都是独立完成的,这会消耗更多的内存,如果愿意的话可以对它进行优化)
#coding:utf-8
import cv2
import numpy as np,sys
A = cv2.imread('F:/hand.jpg')
B = cv2.imread('F:/head.jpg')
#对A进行高斯金字塔模糊
G = A.copy()
gpA = [G]
for i in xrange(6):
G = cv2.pyrDown(gpA[i])
gpA.append(G)
#对B进行高斯金字塔模糊
G = B.copy()
gpB = [G]
for i in xrange(6):
G = cv2.pyrDown(gpB[i])
gpB.append(G)
#对A进行拉普拉斯金字塔模糊
lpA = [gpA[5]]
for i in xrange(5,0,-1):
size = (gpA[i-1].shape[1], gpA[i-1].shape[0])
GE = cv2.pyrUp(gpA[i], dstsize=size)
L = cv2.subtract(gpA[i-1],GE)
lpA.append(L)
#对B进行拉普拉斯金字塔模糊
lpB = [gpB[5]]
for i in xrange(5,0,-1):
size = (gpB[i-1].shape[1], gpB[i-1].shape[0])
GE = cv2.pyrUp(gpB[i], dstsize=size)
L = cv2.subtract(gpB[i-1],GE)
lpB.append(L)
#左右每一半的图像都添加到每一层
#生成一个单独的数组
LS = []
for la,lb in zip(lpA,lpB):
rows,cols,dpt = la.shape
ls = np.hstack((la[:,0:cols/2], lb[:,cols/2:]))
LS.append(ls)
ls_ = LS[0]
for i in xrange(1,6):
size = (LS[i].shape[1], LS[i].shape[0])
ls_ = cv2.pyrUp(ls_, dstsize=size)
ls_ = cv2.add(ls_, LS[i])
real = np.hstack((A[:,:cols/2],B[:,cols/2:]))
cv2.imwrite('F:/handhead.jpg',ls_)
cv2.imwrite('F:/handhead1.jpg',real)
原图像是:(左是A,右是B)
结果图:(左是中间图,右是最终图)