OpenCV 图像金字塔算子
本文是OpenCV图像视觉入门之路的第14篇文章，本文详细的介绍了图像金字塔算子的各种操作，例如：高斯金字塔算子 、拉普拉斯金字塔算子等操作。
高斯金字塔中的较高级别（低分辨率）是通过先用高斯核对图像进行卷积再删除偶数行和列，然后较高级别的每个像素由基础级别的5个像素的贡献与高斯权重形成，通过这样的操作M x N的图像变为M/2 x N/2图像,因此面积减少到原来的四分之一，我们称之为Octave，当我们的金字塔越靠上时这种模式就越继续。
向下采样方法：1.对图像进行高斯内核卷积；2.将所有偶数行和列去除。 图像的较低级别（高分辨率）是通过较高级别（低分辨率）在每个维度上扩大为原来的两倍，新增的行和列（偶数行和列）以0填充，然后使用指定的滤波器进行卷积去估计丢失像素的近似值。
向上采样方法：1.将图像在每个维度扩大到原来的两倍，以新增的行和列以0填充；2.使用原先同样的内核（x4）与方法后的图像卷积，获得新增像素的近似值。 在缩放过程中以及丢失了一些信息，如果想在缩放过程中减少信息的丢失，就需要用到拉普拉斯金字塔。
OpenCV 图像金字塔算子目录
1 高斯金字塔
2 拉普拉斯金字塔
1 高斯金字塔
高斯金字塔：向上采样法(放大) cv.pyrUp(src)函数：其中只需要传入一个参数，代表图像资源，用于对图像做向上采样
高斯金字塔：向下采样法(缩小) cv.pyrDown()函数：参数传递与cv.pyrUp()一致，用于对图像做向下采样，通常也可以做图像模糊化处理
import cv2
import numpy as np
from numpy import unicodeif __name__ == '__main__':img = cv2.imread('D:/Jupyter_Notebooks/0.jpg') #, cv2.IMREAD_GRAYSCALEcv2.imshow("img", img)print(img.shape)up = cv2.pyrUp(img)up2 = cv2.pyrUp(up)cv2.namedWindow("up", 0)cv2.imshow("up", up)print(up.shape)cv2.namedWindow("up2", 0)cv2.imshow("up2", up2)print(up2.shape)down = cv2.pyrDown(img)up_down = cv2.pyrDown(up)cv2.namedWindow("down", 0)cv2.imshow("down", down)print(down.shape)cv2.namedWindow("up_down", 0)cv2.imshow("up_down", up_down)print(up_down.shape)cv2.waitKey(0)cv2.destroyAllWindows()
import cv2
import numpy as np
from numpy import unicodeif __name__ == '__main__':img = cv2.imread('D:/Jupyter_Notebooks/0.jpg') #, cv2.IMREAD_GRAYSCALEup = cv2.pyrUp(img)up_down = cv2.pyrDown(up)cv2.imshow("up_down", up_down)cv2.imshow("up_downs", np.hstack((img, up_down)))up = cv2.pyrUp(img)up_down = cv2.pyrDown(up)cv2.imshow("img-up_down", img - up_down)cv2.waitKey(0)cv2.destroyAllWindows()
这段代码使用了 OpenCV 中的图像金字塔函数 cv2.pyrUp() 和 cv2.pyrDown()，并在屏幕上显示了 img - up_down 的差异图像。
图像金字塔是一种常见的多分辨率图像处理技术，它可以将图像按照不同的尺度进行缩小或放大，从而得到一系列图像。cv2.pyrUp() 和 cv2.pyrDown() 分别是向上采样和向下采样的函数，可以用来生成高斯金字塔和拉普拉斯金字塔。
在这段代码中，首先使用 cv2.pyrUp() 对原始图像 img 进行向上采样，得到一个更高分辨率的图像 up。然后使用 cv2.pyrDown() 对 up 进行向下采样，得到一个分辨率与原始图像相同但内容可能有所不同的图像 up_down。
最后，通过 cv2.imshow() 函数显示 img - up_down 的差异图像，即原始图像与经过向上-向下采样后的图像之间的差异。这样做可以帮助我们了解金字塔图像处理的效果，以及对图像内容的改变情况进行可视化分析。
2 拉普拉斯金字塔
1.左上角的图片为原始图片
2.对原始图像进行高斯平滑
3.执行一次下采样，图像变为原来的1/4
4.执行一次上采样，图像变为原图的大小
5.再次执行高斯模糊
6.用原图像减去高斯模糊后的图像，得到拉普拉斯图像
import cv2
import numpy as np
from numpy import unicodeif __name__ == '__main__':img = cv2.imread('D:/Jupyter_Notebooks/0.jpg') #, cv2.IMREAD_GRAYSCALEgray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)down = cv2.pyrDown(img)dst = cv2.pyrUp(down)res = img - dstcv2.imshow("img", img)cv2.imshow("res", res)cv2.waitKey(0)cv2.destroyAllWindows()
