图像金字塔

参考：图像金字塔
：【OpenCV入门】第十五弹：图像金字塔
  通常情况下，我们使用的是固定大小的图像，但在某种情况下，我们需要处理不同分辨率的图像。例如。在人脸识别中，我们是无法确定人脸在图像中的大小的。这种情况下，我们需要创建一组具备不同分辨率的相同图像集，并且在这个图像集中搜索对象。这个具有不同分辨率的图像集称为图像金字塔。

个人感觉是像是图像的缩放，在opencv中，关于图像金字塔的操作，有pyrup（），pyrdown（）操作，分别完成上采样和下采样。
有两种金字塔，高斯金字塔和拉普拉斯金字塔。
高斯金字塔：用于下采样，其中高阶（低分辨率）是通过去除低阶（高分辨率）图像中连续的行和列而形成的。
cv.pyrDown()效果

高斯核：

为了获取第 G_i+1层图像，我们采用下列方法：

对图像下采样：

• 对图像G_i进行高斯内核卷积
• 将所有偶数行和列去除
  结合上图，可看到结果图像只有原图像的1/4。通过对输入图像G_i(原始图像)不停迭代以上步骤就会得到整个金字塔。同时我们也可以看到，向下取样会逐渐丢失图像的信息。即，下采样会缩小图像

对图像上采样：

• 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
• 使用先前同样的内核**(乘以4)与放大后的图像卷积，获得 “新增像素”的近似值（ **

  得到的图像即为放大后的图像，但是与原来的图像相比会发觉比较模糊，因为在缩放的过程中已经丢失了一些信息，如果想在缩小和放大整个过程中减少信息的丢失，这些数据形成了拉普拉斯金字塔。

import cv2
import numpy as np
import matplotlib.pyplot as plt
import pylab
pylab.rcParams['figure.figsize'] = (20.0, 10.0)

img = cv2.imread('E:/a1.png')
r1 = cv2.pyrDown(img)
r2 = cv2.pyrDown(r1)
r3 = cv2.pyrDown(r2)

print(img.shape)
print(r1.shape)
print(r2.shape)
plt.subplot(1,4,1),plt.imshow(img)
plt.title('img'),plt.xticks([]),plt.yticks([])
plt.subplot(1,4,2),plt.imshow(r1)
plt.title('r1'),plt.xticks([]),plt.yticks([])
plt.subplot(1,4,3),plt.imshow(r2)
plt.title('r2'),plt.xticks([]),plt.yticks([])
plt.subplot(1,4,4),plt.imshow(r3)
plt.title('r3'),plt.xticks([]),plt.yticks([])

plt.show()
##输出结果
(923, 1443, 3)
(462, 722, 3)
(231, 361, 3)
(116, 181, 3)

输出结果：

可看到分辨率依次为1/4的关系。

pyrDown()原理与pyrUp()原理

import cv2
import numpy as np
import matplotlib.pyplot as plt
import pylab

img_1 = np.random.randint(0,10,size=100,dtype=np.uint8)#数据类型要注意
img_1 = img_1.reshape(10,10)
print(img_1)
kernel = np.array([[1,4,6,4,1],
                  [4,16,24,16,4],
                  [6,24,36,24,6],
                  [4,16,24,16,4],
                  [1,4,6,4,1]])
kernel = kernel/256
dst = cv2.filter2D(img_1,-1,kernel)  #与高斯核卷积
print(dst)

dst_2 = np.zeros((5,5),dtype=np.uint8)
for i in range(10):                  #除去偶数行和偶数列
    if i%2 == 0:
        for j in range(10):
            if j%2 == 0:
                dst_2[int(i/2),int(j/2)] = dst[i,j]
print(dst_2)

dst_3 = np.zeros((10,10),dtype=np.uint8)
for i in range(10):                  #偶数行和偶数列插0
    if i%2 == 0:
        for j in range(10):
            if j%2 == 0:
                dst_3[i,j] = dst_2[int(i/2),int(j/2)]
print(dst_3)

注意，PryUp和PryDown不是互逆的。得到的图像即为放大后的图像，但是与原来的图像相比会发觉比较模糊，因为在缩放的过程中已经丢失了一些信息，如果想在缩小和放大整个过程中减少信息的丢失，这些数据形成了拉普拉斯金字塔。