图像金字塔——实现图像融合

图像金字塔的一个应用是图像融合。例如，在图像缝合中，你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图像融合成一个。

例子，代码实现：

# -*- coding: utf-8 -*-
# @Time    : 2021/1/21 14:13
# @Author  : qxq
# @File    : 2个图像融合-laplas.py
# @Software: PyCharm
import cv2
import numpy as np
from matplotlib import pyplot as plt

def sameSize(img1, img2):
    rows, cols, dpt = img2.shape
    dst = img1[:rows, :cols]
    return dst

A = cv2.imread('D:/CF_new/fs_create_fake_sample/image/1.png')
B = cv2.imread('D:/CF_new/fs_create_fake_sample/image/133.png')

G = A.copy()
gp_apple = [G]
for i in range(6):
    G = cv2.pyrDown(G) # 下采样共6次
    gp_apple.append(G)

G = B.copy()
gp_orange = [G]
for j in range(6):
    G = cv2.pyrDown(G)
    gp_orange.append(G)

lp_apple = [gp_apple[5]]
for i in range(5, 0, -1):
    GE = cv2.pyrUp(gp_apple[i])#上采样6次
    L = cv2.subtract(gp_apple[i - 1], sameSize(GE, gp_apple[i - 1])) #两个图像相减
    lp_apple.append(L)

lp_orange = [gp_orange[5]]
for i in range(5, 0, -1):
    GE = cv2.pyrUp(gp_orange[i])
    L = cv2.subtract(gp_orange[i - 1], sameSize(GE, gp_orange[i - 1]))
    lp_orange.append(L)

LS = []
for la, lb in zip(lp_apple, lp_orange): #一个数组中取一个元素
    rows, cols, dpt = la.shape
    ls = np.hstack((la[:, 0:cols // 2], lb[:, cols // 2:]))#水平方向上平铺，各取一半
    LS.append(ls)

ls_reconstruct = LS[0]
for i in range(1, 6):
    ls_reconstruct = cv2.pyrUp(ls_reconstruct)
    ls_reconstruct = cv2.add(sameSize(ls_reconstruct, LS[i]), LS[i])

r, c, depth = A.shape
real = np.hstack((A[:, 0:c // 2], B[:, c // 2:]))#apple和orange各取一半。

plt.subplot(221), plt.imshow(cv2.cvtColor(A, cv2.COLOR_BGR2RGB))
plt.title("A"), plt.xticks([]), plt.yticks([])
plt.subplot(222), plt.imshow(cv2.cvtColor(B, cv2.COLOR_BGR2RGB))
plt.title("B"), plt.xticks([]), plt.yticks([])
plt.subplot(223), plt.imshow(cv2.cvtColor(real, cv2.COLOR_BGR2RGB))
plt.title("real"), plt.xticks([]), plt.yticks([])
plt.subplot(224), plt.imshow(cv2.cvtColor(ls_reconstruct, cv2.COLOR_BGR2RGB))
plt.title("laplace_pyramid"), plt.xticks([]), plt.yticks([])
plt.show()

效果：