OpenCvSharp 学习笔记13 --图像上的上采样和降采样 _ 之高斯采样

一：图像金子塔概念

1. 我们再图像处理中经常后调整图像的大小，最常见的就是放大和缩小，这是几何变换的放大和缩小。在图像处理当中，最常见的就是通过图像金子塔产生一系列不同分辨率的图像。然后再不同的尺度空间来寻找图像的对应特征。因为不知道输入的图像到底是什么情况，而图像金子塔处理会保证图像特征一直存在，不会改变的，这是重要一点。
2. 一个图像 像金子塔样式有一系列的图像组成，最底下一张是图像最大的，最上方是图像尺寸最小的，从空间上从上向下看，就像一个金子塔一样。

二：方法

再OpenCv中有两种方法：

1. 高斯金子塔 – 用来对图像进行降采样
2. 拉普拉斯金子塔 – 用来重建一张图片根据它的上层降采样图片。

高斯金子塔：

• 高斯金子塔是从低向上，逐层降采样得到。
• 降采样之后图像大小是原图像 $M\ast N$ （宽乘高）的 $M/2\ast N/2$ ，就是对原图像删除偶数行与列，即得到降采样上一层图片。
• 高斯金子塔采样分为两步：
  1：对当前图像进行高斯模糊
  2：删除当前层的偶数行列
  即可得到上一层图像，这样上一次与下一层相比，都只有它的$1/4$大小。
  $$\frac{1}{16}\left[\begin{array}{ccccc}1& 4& 6& 4& 1\\ 4& 16& 24& 16& 4\\ 6& 24& 36& 24& 6\\ 4& 16& 24& 16& 4\\ 1& 4& 6& 4& 1\end{array}\right]$$

高斯不同概念：
Difference of Gaussian – DOG

• 定义：就是把同一张图像再不同的参数下作高斯模糊之后的结果相减，得到的输出图像成为高斯不同 （DOG）
• 高斯不同是图像的内在特征，再灰度图像增强，角点检测中经常用到。

三：相关API：

上采样：Cv2.PyrUp：对图像进行上采样（放大），然后使其模糊。

参数	说明
InputArray src	输入图像
OutputArray dst	输出图像。它具有指定的大小和与src相同的类型。
Size? dstSize = null	输出图像的大小;默认情况下 Size(src.cols2, (src.rows2)
borderType = BorderTypes.Reflect101	边缘处理方法

降采样 Cv2.PyrDown：模糊图像并对其进行降采样（缩小）。

参数	说明
InputArray src	输入图像
OutputArray dst	输出图像。它具有指定的大小和与src相同的类型。
Size? dstSize = null	输出图像的大小;默认情况下 Size(src.cols/2, (src.rows/2)
borderType = BorderTypes.Reflect101	边缘处理方法

高斯不同 Cv2.Subtract：计算两个数组或数组与标量之间的每个元素差

参数	描述
InputArray src1	第一个源数组
InputArray src2	第二个源数组。它必须具有与src1相同的大小和类型
OutputArray dst	目标数组;它将具有与src1相同的大小和类型
InputArray mask = null	可选操作掩码，8位单通道阵列;指定要更改的目标数组的元素。[默认为空]
int dtype = -1	图像深度 默认为 -1

四：代码

上采样和降采样：

 private static void Sampling(string path)
        {
            using (Mat src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                //上采样 放大两倍
                Cv2.PyrUp(src, dst,new Size(src.Cols*2,src.Rows*2),BorderTypes.Default);

                Mat mat = new Mat();
                //降采样 缩小两倍
                Cv2.PyrDown(src, mat, new Size(src.Cols / 2, src.Rows / 2), BorderTypes.Default);

                using (new Window("Down", WindowMode.AutoSize, mat))
                using (new Window("InputImage",WindowMode.AutoSize,src))
                using (new Window("UP", WindowMode.AutoSize, dst))
                {
                    Cv2.WaitKey(0);
                }
            }
        }

高斯不同 DOG：

 /// <summary>
        /// 图像采样
        /// </summary>
        private static void ImageSampling(string path)
        {
            using (Mat src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat dst = new Mat())
            {
                Mat dst2 = new Mat();
                //上采样
                Cv2.PyrUp(src, dst, new Size(src.Cols * 2, src.Rows * 2), BorderTypes.Default);

                //降采样
                Cv2.PyrDown(src, dst2, new Size(src.Cols / 2, src.Rows / 2), BorderTypes.Default);

                //高斯不同DOG
                /*
                 * 1:转为灰度图
                 * 2：高斯模糊（归一化处理）-模型一直
                 * 3：再次高斯模糊（归一化处理）-模型一直
                 * 4：得到分差dog
                 */

                Mat dogImg = new Mat();
                Mat g1 = new Mat();
                Mat g2 = new Mat();
                Mat gray_src = new Mat();
                Cv2.CvtColor(src, gray_src, ColorConversionCodes.BGR2GRAY); //转为灰度图像
                Cv2.GaussianBlur(gray_src, g1, new Size(3, 3), 0, 0);//高斯模糊（滤波）
                Cv2.GaussianBlur(g1, g2, new Size(3, 3), 0, 0);
                Cv2.Subtract(g1, g2, dogImg); //获取分差图像 g1-g2=dogImg ,灰度图像可能看不清楚（高斯模糊得到的像素值很低）


                /* Normalize
                 * 该函数归一化输入数组使它的范数或者数值范围在一定的范围内
                 * 参数：
                 *  1 src      输入数组
                 *  2 dst      输出数组，支持原地运算
                 *  3 alpha    range normalization模式的最小值
                 *  4 beta     range normalization模式的最大值，不用于norm normalization(范数归一化)模式。
                 *  5 normType 归一化的类型，可以有以下的取值：
                 *    NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
                 *    NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)
                 *    NORM_L1 :  归一化数组的L1-范数(绝对值的和)
                 *    NORM_L2: 归一化数组的(欧几里德)L2-范数
                 *  6 dtype      dtype为负数时，输出数组的type与输入数组的type相同；
                 *                 否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).
                 *  7 mask        操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。
                 */
                Cv2.Normalize(dogImg, dogImg, 255, 0, NormTypes.MinMax); //放大图像(归一化显示)

                using (new Window("Output Subtract", WindowMode.AutoSize, dogImg))
                using (new Window("Output DownSmapl", WindowMode.AutoSize, dst2))
                using (new Window("Output UPSmapl", WindowMode.AutoSize, dst))
                using (new Window("Input SRC", WindowMode.AutoSize, src))
                {
                    Cv2.WaitKey(0);
                }
            }
        }