向上向下采样
在数字图像处理中，向上采样（upsampling）和向下采样（downsampling）是两种常见的操作，用于改变图像的分辨率。
向上采样（Upsampling）：
向上采样是指增加图像的分辨率，通常通过插值方法在图像中插入新的像素来实现。常见的插值方法包括最近邻插值、双线性插值和双三次插值等。通过向上采样，可以增加图像的细节和清晰度，但同时也增加了图像的计算量和存储空间。
向下采样（Downsampling）：
向下采样是指降低图像的分辨率，通常通过从图像中删除一些像素来实现。这些被删除的像素通常是通过取样的方式进行选择。向下采样可以减少图像的计算量和存储空间，但也可能导致信息丢失和图像质量下降。
常用函数
pyrDown( )
先对图像进行高斯平滑，再进行降采样
void pyrDown(InputArray src, //src：输入的图像，可以是单通道或多通道图像，数据类型为 CV_8U, CV_16U, CV_32F 等。OutputArray dst, //dst：输出的图像，将缩小一半的结果存储在这里，和输入图像具有相同的类型和通道数。const Size& dstsize = Size(), //dstsize：可选参数，输出图像的尺寸。如果不指定，默认为输入图像尺寸的一半。int borderType = BORDER_DEFAULT //可选参数，用于指定图像边界的填充方式，默认为 BORDER_DEFAULT。);代码示例：
#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main() {Mat image = imread("input.jpg");if (image.empty()) {cout << "无法读取图像文件" << endl;return -1;}Mat downsampled_image;pyrDown(image, downsampled_image);imshow("Original Image", image);imshow("Downsampled Image", downsampled_image);waitKey(0);destroyAllWindows();return 0;
}pyrUp( )
先对图像进行升采样然后再进行高斯平滑
void cv::pyrUp(InputArray src, //输入图像，即待进行向上采样的图像。可以是 Mat 类型的对象或者其他支持 OpenCV 输入数组协议的对象。OutputArray dst, //输出图像，即向上采样后的图像。这是一个可选参数，如果不提供，pyrUp() 函数会自动创建一个合适尺寸的输出图像。const Size& dstsize = Size(), // 输出图像的尺寸，作为可选参数。如果指定了这个参数，那么输出图像的尺寸会根据 dstsize 来确定，而不是根据输入图像来确定。int borderType = BORDER_DEFAULT //边界扩展类型，作为可选参数。它指定了在进行向上采样时如何处理输入图像的边界。
);代码示例：
#include <opencv2/opencv.hpp>using namespace cv;int main() {// 读取图像Mat image = imread("input.jpg");// 使用 pyrUp() 函数对图像进行向上采样Mat upsampled_image;pyrUp(image, upsampled_image);// 显示原始图像和向上采样后的图像imshow("Original Image", image);imshow("Upsampled Image", upsampled_image);waitKey(0);destroyAllWindows();return 0;
}图像金字塔
图像金字塔操作是一种多尺度表示的图像处理技术，它将原始图像分解成一系列不同尺度的图像。
每个尺度上的图像都是通过对前一层图像进行降采样或上采样得到的。
图像金字塔可以分为两类：高斯金字塔和拉普拉斯金字塔。
高斯金字塔：
高斯金字塔是通过对原始图像进行下采样得到的。下采样是将图像的尺寸缩小一倍，同时降低图像的分辨率。这一过程可以重复多次，形成一个金字塔状的图像序列，其中每一层图像都比上一层图像尺寸减小一半。
高斯金字塔的每一层图像都是通过对上一层图像进行模糊（平滑）和下采样得到的。模糊操作使用了高斯滤波器，可以平滑图像并减少噪声。
拉普拉斯金字塔：
拉普拉斯金字塔是由高斯金字塔的不同层之间的差值构成的。每个层的图像与其下一层的上采样图像之间进行相减操作得到差值图像。这样得到的差值图像包含了原始图像在不同尺度上的细节信息。
图像金字塔常用于计算机视觉中的许多任务，如特征提取、目标检测、图像配准和图像融合等。通过在不同尺度上对图像进行处理，可以更好地捕捉到图像中的不同尺度的特征和结构信息，并提供更丰富的图像描述。