opencv入门四：图像金字塔，高斯差分，归一化函数，边缘填充

最新推荐文章于 2024-03-18 23:19:21 发布

weixin_kk

最新推荐文章于 2024-03-18 23:19:21 发布

阅读量793

点赞数

分类专栏： opencv

本文链接：https://blog.csdn.net/weixin_41082581/article/details/106218148

版权

opencv 专栏收录该内容

12 篇文章 0 订阅

订阅专栏

图像金字塔：

高斯金字塔 – 用来对图像进行降采样
拉普拉斯金字塔 – 用来重建一张图片根据它的上层降采样图片

高斯金字塔是从底向上，逐层降采样得到。
降采样之后图像大小是原图像MxN的M/2 x N/2 ,就是对原图像删除偶数行与列，即得到降采样之后上一层的图片。
高斯金子塔的生成过程分为两步：

对当前层进行高斯模糊
删除当前层的偶数行与列
即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。

上采样与降采样

上采样,生成图像是原图在宽高各放大两倍
pyrUp(Mat src, Mat dst, Size(src.cols2, src.rows2));
降采样,生成图像是原图在宽高各缩小1/2
pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2));

高斯差分

Difference of Gaussian(DOG)是高斯函数的差分。将两幅图像在不同参数下的高斯滤波结果相减，得到DoG图。步骤：
处理一幅图像在不同高斯参数下的DoG
用两个不同的5x5高斯核对图像进行卷积，然后再相减的操作。重复三次得到三个差分图A,B,C。
根据DoG求角点
计算出的A,B,C三个DOG图中求图B中是极值的点。图B的点在当前由A,B,C共27个点组成的block中是否为极大值或者极小值。若满足此条件则认为是角点。
Mat gray, g1, g2;
cvtColor(src, gray, CV_BGR2GRAY);
GaussianBlur(gray, g1, Size(3, 3), 0, 0);
GaussianBlur(g1, g2, Size(3, 3), 0, 0);
subtract(g1, g2, dst, Mat());

归一化函数

void normalize(InputArray src,OutputArraydst, double alpha = 1, double beta = 0, intnorm_type = NORM_L2, int dtype = -1, InputArray mask = noArray() )
参数说明:
src——输入数组
dst——输出数组，支持原地运算
alpha——range normalization模式的最小值
beta ——range normalization模式的最大值，不用于norm normalization(范数归一化)模式。
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
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).
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。

threshold(gray, dst, threshold_value, threshold_max, type_value);
在这里插入图片描述