OpenCV+python 图像金字塔解析

OpenCV中图像金字塔主要包括两类：高斯金字塔和拉普拉斯金字塔。先来看一下原理图：

高斯金字塔

离金字塔尖越近，则图像越小。离底部越近，则图像越大。一般来讲金字塔分为向上采样和向下采样，

向下采样实际上就是图像进行缩小，即离塔尖越来越近：

来看一下代码：

import cv2

img = cv2.imread('pie.png')
img = cv2.pyrDown(img)
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

向上采样则正好相反，实际上就是放大图像：

import cv2

img = cv2.imread('pie.png')
img = cv2.pyrUp(img)
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

那么假设我们设想一下，先执行一次上采样，然后再执行一次下采样，那么图像还是跟原图像一样吗，实验一下就可以知道肯定是不一样的，因为图像在此过程中会丢失很多信息，可以看一下对比，发现图像已经跟原图像不一样清晰了：

拉普拉斯金字塔

看一下拉普拉斯金字塔的原理：

实际上就是高斯金字塔的嵌套，不多介绍了，看一下代码：

import cv2

img = cv2.imread('cat.jpg')
cv2.imshow("orgi",img)
down = cv2.pyrDown(img)
up = cv2.pyrUp(down)
result = img - up
cv2.imshow("result",result)
cv2.waitKey()
cv2.destroyAllWindows()

 

拉普拉斯金字塔简单了解一下就可以