大家好,欢迎来到IT知识分享网。
图像金字塔
图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。
降采样,即是采样点数减少。对于一幅N*M的图像来说,如果降采样系数为k,则即是在原图中 每行每列每隔k个点取一个点组成一幅图像。降采样很容易实现.
升采样,也即插值。对于图像来说即是二维插值。如果升采样系数为k,即在原图n与n+1两点之间插入k-1个点,使其构成k分。二维插值即在每行插完之后对于每列也进行插值。
插 值的方法分为很多种,一般主要从时域和频域两个角度考虑。对于时域插值,最为简单的是线性插值。除此之外,Hermite插值,样条插值等等均可以从有关 数值分析书中找到公式,直接代入运算即可。对于频域,根据傅里叶变换性质可知,在频域补零等价于时域插值。所以,可以通过在频域补零的多少实现插值运 算。
高斯金字塔采样相关API (1)上采样(cv::pyrUp) – 放大(zoom in),向底端发展 pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2)); //生成的图像是原图在宽与高各放大两倍 pyrUp(src, dst, Size(src.cols * 2, src.rows * 2)); //上采样 (2)降采样 (cv::pyrDown) – 缩小(zoom out),向顶端发展 pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2)); //生成的图像是原图在宽与高各缩小1/2 pyrDown(src, dst2, Size(src.cols / 2, src.rows / 2)); //降采样
高斯金字塔–降采样
- 高斯金字塔从底向上,逐层降采样取得,不能跨域越层;
- 对当前层删除偶数行与列就得到降采样后上一层的图片;
- 降采样后的图像大小是之前图像大小的1414;
- 高斯金字塔生成步骤:
- ①进行高斯模糊;
- ②删除偶数行与列。
#include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespace cv; //使用cv命名空间 int main(int argc, char** argv) { //argc 表示命令行输入参数的个数(以空白符分隔),argv中存储了所有的命令行参数 Mat src, dst, dst2; src = imread("E:\\VS2015Opencv\\vs2015\\project\\picture\\091.jpg"); if (src.empty()) { printf("could not load image...\n"); return -1; } namedWindow("input image", CV_WINDOW_AUTOSIZE); imshow("input image", src); /*上采样*/ pyrUp(src, dst, Size(src.cols * 2, src.rows * 2)); //上采样 imshow("UP image", dst); /*降采样*/ pyrDown(src, dst2, Size(src.cols / 2, src.rows / 2)); //降采样 imshow("DOWN image", dst2); /*高斯不同DOG*/ Mat gray_src, g1, g2, dogImg; cvtColor(src, gray_src, CV_BGR2GRAY); //变灰色 GaussianBlur(gray_src, g1, Size(5, 5), 0, 0); //高斯模糊 GaussianBlur(g1, g2, Size(5, 5), 0, 0); //再次高斯模糊 subtract(g1, g2, dogImg, Mat()); //相减g1-g2(低的-高的),高斯分差得出的灰度值很低,图像很暗 normalize(dogImg, dogImg, 255, 0, NORM_MINMAX); //归一化显示(标准化小于0就是0,大于255就是255),最大值255,最小值0,最大最小类型 imshow("DOG image", dogImg); waitKey(0); return 0; }
参考文章:
https://blog.csdn.net/qq_25343557/article/details/78694722
https://zhuanlan.zhihu.com/p/40489916
免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/32289.html