计算机视觉 opencv python 图像金字塔

图像金字塔：

图像金字塔是一种以多分辨率来解释图像的结构，
通过对原始图像进行多尺度像素采样的方式，生成N个不同分辨率的图像。
把具有最高级别分辨率的图像放在底部，以金字塔形状排列，往上是一系列像素（尺寸）
逐渐降低的图像，一直到金字塔的顶部只包含一个像素点的图像，
这就构成了传统意义上的图像金字塔。

获得图像金字塔一般包括二个步骤：

1. 利用低通滤波器平滑图像 
2. 对平滑图像进行抽样（采样）
有两种采样方式——上采样（分辨率逐级升高）和下采样（分辨率逐级降低）

高斯金字塔

向下采样方法(缩小)
	1. 与高斯核卷积
	2. 将所有偶数行和列去除

向上采用方法(放大)
	1. 将图像在每个方向扩大为原来的2倍 新增的行和列以0填充
	2. 然后用给定的滤波器卷积（每个维度都扩大为原来两倍的过滤器）去估计丢失像素的近似值。相当于把原来的值 弄的分散一些。

代码

import cv2

img = cv2.imread('img1.png')
print(img.shape)

# 高斯金字塔 一层层小下去
# 向上采样
up = cv2.pyrUp(img)
print(up.shape)

# 向下采样
down = cv2.pyrDown(img)
print(down.shape)

# 拉普拉斯金字塔
# 高频细节信息在卷积和下采样中丢失
# 保留所有层所丢失的高频信息 用于图像恢复
# 第i层的高斯金字塔 向上采样 得到第i-1层的图像 + 第i-1层的拉普拉斯金字塔 还原丢失的细节
# 计算公式 = 原图 - PyrUp(PyrDown(原图))

la = img - cv2.pyrUp( cv2.pyrDown(img) )


cv2.imshow("img",la+img)
cv2.waitKey(0)
cv2.destroyAllWindows()