【OpenCV：从零到一】12：图像金字塔（上采样、降采样）

前言
这是我《OpenCV：从零到一》专栏的第十二篇博客，想看跟多请戳这。
本文概要
上采样(cv::pyrUp) – zoom in 放大
降采样 (cv::pyrDown) – zoom out 缩小
subtract
归一化 normalize
案例代码
大概内容：上采样、降采样、归一化 。

#include <opencv2/opencv.hpp>
#include <iostream>
#include "math.h"

using namespace cv;
int main(int agrc, char** argv) {
	Mat src, dst;
	src = imread("D:\\86186\\Documents\\opencv\\lena.jpg");
	if (!src.data) {
		printf("could not load image...");
		return -1;
	}

	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "sample up";
	namedWindow(INPUT_WIN, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_WIN, WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);

	// 上采样
	pyrUp(src, dst, Size(src.cols * 2, src.rows * 2));
	imshow(OUTPUT_WIN, dst);

	// 降采样
	Mat s_down;
	pyrDown(src, s_down, Size(src.cols / 2, src.rows / 2));
	imshow("sample down", s_down);

	// DOG
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src, gray_src, COLOR_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(5, 5), 0, 0);
	GaussianBlur(g1, g2, Size(5, 5), 0, 0);
	subtract(g1, g2, dogImg, Mat());

	// 归一化显示
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
	imshow("DOG Image", dogImg);

	waitKey(0);
	return 0;
}

运行效果:

解析及注意事项

• 我们在图像处理中常常会调整图像大小，最常见的就是放大(zoom in)和缩小（zoom out），尽管几何变换也可以实现图像放大和缩小，但是这里我们介绍图像金字塔
• 一个图像金字塔式一系列的图像组成，最底下一张是图像尺寸最大，最上方的图像尺寸最小，从空间上从上向下看就想一个古代的金字塔。
• pyrUp(Mat src, Mat dst) 生成的图像是原图在宽与高各放大两倍
• pyrDown(Mat src, Mat dst)生成的图像是原图在宽与高各缩小1/2
• 之前有介绍过multiply,现在又有一个subtract,两个都是四则运算,很相像,但是这个函数对于不同图片处理的方式不同,具体如下
  
• 归一化显示图片可以用normalize(事实上不仅仅可以用来归一化)其中要注意一点的是Saturation is not applied when the output array has the depth CV_32S. You may even get result of an incorrect sign in the case of overflow. 深度为CV_32S的图片不调用saturate函数，溢出会得到错误的结果。标准化类型有如下几种(不止)
  

全注释代码

#include <opencv2/opencv.hpp>
#include <iostream>
#include "math.h"

using namespace cv;
int main(int agrc, char** argv) {
	Mat src, dst;
	src = imread("D:\\86186\\Documents\\opencv\\lena.jpg");
	if (!src.data) {
		printf("could not load image...");
		return -1;
	}

	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "sample up";
	namedWindow(INPUT_WIN, WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_WIN, WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);

	// 上采样
	pyrUp(src, dst, Size(src.cols * 2 , src.rows * 2));
	//pyrUp(src, dst, dst的大小,boderType);Size大小限制如下
	//|dstsize.width−src.cols∗2 | ≤(dstsize.width mod 2) 和 |dstsize.height−src.rows∗2 |≤(dstsize.height mod 2)
	imshow(OUTPUT_WIN, dst);

	// 降采样
	Mat s_down;
	pyrDown(src, s_down, Size(src.cols / 2 + 1, src.rows / 2));
	//和pyrUp一模一样,Size的大小一定要满足|dstsize.width∗2−src.cols|≤2 和  |dstsize.height∗2−src.rows|≤2
	//也就是说Size大小只能在两倍左右,否则会报错。宽和高不一定要一样
	//这两个函数的Size的参数都有默认值，也就是我们上面填的值
	imshow("sample down", s_down);

	
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src, gray_src, COLOR_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(5, 5), 0, 0);//高斯模糊（原图，目标，核大小，sigemaX，sigemaY）
	GaussianBlur(g1, g2, Size(5, 5), 0, 0);
	subtract(g1, g2, dogImg, Mat());//Calculates the per-element difference between two arrays or array and a scalar.
	/*运算关系有些复杂，但是大体上是src1-src2
		InputArray 	src1,
		InputArray 	src2,
		OutputArray 	dst,
		InputArray 	mask = noArray(),//可选操作掩码; 这是一个8位单通道数组，用于指定要更改的输出数组的元素。
		int 	dtype = -1  //输出图像的深度，-1为默认
	Saturation is not applied when the output array has the depth CV_32S. You may even get result of an incorrect sign in the case of overflow.
	深度为CV_32S的图片不调用saturate函数，溢出会得到错误的结果。
	*/
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);// 归一化显示
	/*
	InputArray 	src,
	InputOutputArray 	dst,
	double 	alpha = 1,//下界
	double 	beta = 0,//上界
	int 	norm_type = NORM_L2,
	int 	dtype = -1,
	InputArray 	mask = noArray() 
	*/
	imshow("dstImage", dogImg);

	waitKey(0);
	return 0;
}

翻译笔记
sample n.样品；
norm 标准;规范