圖像金字塔

理論基礎(chǔ)

通常情況下，圖像金字塔的底部是待處理的高分辨率圖像（原始圖像），而頂部則為其低
分辨率的近似圖像。向金字塔的頂部移動(dòng)時(shí)，圖像的尺寸和分辨率都不斷地降低。通常情況下，
每向上移動(dòng)一級(jí)，圖像的寬和高都降低為原來(lái)的二分之一。最簡(jiǎn)單的圖像金字塔可以通過(guò)不斷地刪除圖像的偶數(shù)行和偶數(shù)列得到。例如，有一幅圖像，
其大小是 NN，刪除其偶數(shù)行和偶數(shù)列后得到一幅(N/2)(N/2)大小的圖像。經(jīng)過(guò)上述處理后，
圖像大小變?yōu)樵瓉?lái)的四分之一，不斷地重復(fù)該過(guò)程，就可以得到該圖像的圖像金字塔。

在向上采樣的過(guò)程中，通常將圖像的寬度和高度都變?yōu)樵瓉?lái)的 2 倍。這意味著，向上采樣
的結(jié)果圖像的大小是原始圖像的 4 倍。因此，要在結(jié)果圖像中補(bǔ)充大量的像素點(diǎn)。對(duì)新生成的
像素點(diǎn)進(jìn)行賦值，有一種常見(jiàn)的向上采樣，對(duì)像素點(diǎn)以補(bǔ)零的方式完成插值。通常是在每列像素點(diǎn)的右側(cè)插
入值為零的列，在每行像素點(diǎn)的下方插入值為零的行。

但是需要注意，此時(shí)圖像中四分之三像素點(diǎn)的值都是零。所以，要
將高斯濾波器系數(shù)乘以 4，以保證得到的像素值范圍在其原有像素值范圍內(nèi)

通過(guò)以上分析可知，向上采樣和向下采樣是相反的兩種操作。但是，由于向下采樣會(huì)丟失
像素值，所以這兩種操作并不是可逆的。也就是說(shuō)，對(duì)一幅圖像先向上采樣、再向下采樣，是
無(wú)法恢復(fù)其原始狀態(tài)的；同樣，對(duì)一幅圖像先向下采樣、再向上采樣也無(wú)法恢復(fù)到原始狀態(tài)

API

OpenCV 提供了函數(shù) cv2.pyrDown()，用于實(shí)現(xiàn)圖像高斯金字塔操作中的向下采樣，其語(yǔ)法
形式為：

dst = cv2.pyrDown( src[, dstsize[, borderType]] )

• dst 為目標(biāo)圖像
• src 為原始圖像。
• dstsize 為目標(biāo)圖像的大小
• borderType 為邊界類型， 默認(rèn)值為 BORDER_DEFAULT ， 且這里僅 支 持
  BORDER_DEFAULT

在 OpenCV 中，使用函數(shù) cv2.pyrUp()實(shí)現(xiàn)圖像金字塔操作中的向上采樣，其語(yǔ)法形式如下：

dst = cv2.pyrUp( src[, dstsize[, borderType]] )

• dst 為目標(biāo)圖像
• src 為原始圖像
• dstsize 為目標(biāo)圖像的大小
• borderType 為邊界類型， 默認(rèn)值為 BORDER_DEFAULT ， 且這里僅 支 持
  BORDER_DEFAULT

import cv2 #opencv讀取的格式是BGR import numpy as np import matplotlib.pyplot as plt#Matplotlib是RGB %matplotlib inline def cvshow(name, ndarray):img = cv2.imshow(name, ndarray)cv2.waitKey(0)cv2.destroyAllWindows() boom = cv2.imread("boom.jpg") cvshow("boom", boom) boom_down_1 = cv2.pyrDown(boom) cvshow("boom_down_1", boom_down_1) boom_down_2 = cv2.pyrDown(boom_down_1) cvshow("boom_down_2", boom_down_2) boom_up_1 = cv2.pyrUp(boom) cvshow("boom_up_1", boom_up_1) car = cv2.imread("car.png", cv2.IMREAD_GRAYSCALE) ret, car_binary = cv2.threshold(car, 127, 255, cv2.THRESH_BINARY) res = np.hstack((car, car_binary)) cvshow("res", res)

拉普拉斯金字塔

前面我們已經(jīng)介紹過(guò)，一幅圖像在經(jīng)過(guò)向下采樣后，再對(duì)其進(jìn)行向上采樣，是無(wú)法恢復(fù)為
原始狀態(tài)的。。這是很明
顯的，因?yàn)橄蛳虏蓸訒r(shí)在使用高斯濾波器處理后還要拋棄偶數(shù)行和偶數(shù)列，不可避免地要丟失
一些信息。
""為了在向上采樣時(shí)能夠恢復(fù)具有較高分辨率的原始圖像，就要獲取在采樣過(guò)程中所丟失的
信息，這些丟失的信息就構(gòu)成了拉普拉斯金字塔。

• Li表示拉普拉斯金字塔中的第 i 層
• Gi表示高斯金字塔中的第 i 層

拉普拉斯金字塔中的第 i 層，等于“高斯金字塔中的第 i 層”與“高斯金字塔中的第 i+1
層的向上采樣結(jié)果”之差。

使用函數(shù) cv2.pyrDown()和 cv2.pyrUp()構(gòu)造拉普拉斯金字塔

L0 = boom - cv2.pyrUp(boom_down_1) L1 = boom_down_1 - cv2.pyrUp(boom_down_2) cvshow("L0", L0) cvshow("L1", L1)

總結(jié)

以上是生活随笔為你收集整理的openCV——图像金字塔的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。