opencv学习笔记19：图像金字塔和图像拉普拉斯金字塔 (用于图像放大和缩小)

图像金字塔原理

图像金字塔：只不同分辨率，不同尺寸子图构成的集合。

取样
向下取样：有一个图像G0,对它重新采样，得到分辨率小些的G1,以此类推。
向上取样：有一个图像G3，然后变成像素更多的G2，以此类推。

向下取样方法

高斯卷积核：自身像素点取36，近一些的取24，越远的像素越低。最后除以像素点个数

删除偶数行列：使尺寸变为原始四分之一。
向下取样会丢失一些信息。
向上取样方法

如原始图像45,12,3,89,149。一轮向上取样后变为右边。
因为含义0,在使用卷积核时，等于一个像素点被稀释掉为原来的四分之一。所以还要乘以4使图像正常。

向下取样和向上取样是不可逆操作。无法恢复原图。

向下取样函数使用

python+OpenCV
dst=cv2.pyrDown(src)

dst:取样结果
src:原始图像

import cv2 import numpy as np o=cv2.imread("logo.png") r1=cv2.pyrDown(o) r2=cv2.pyrDown(r1) cv2.imshow("original",o) cv2.imshow("PyrDown1",r1) cv2.imshow("PyrDown2",r2) cv2.waitKey() cv2.destroyAllWindows()

向上取样函数使用

dst=cv2.pyrUp(src)
dst:取样结果
src:原始图像

import cv2 import numpy as np o=cv2.imread("lena256.bmp",cv2.IMREAD_GRAYSCALE) r=cv2.pyrUp(o) cv2.imshow("original",o) cv2.imshow("pyrUp",r) cv2.waitKey() cv2.destroyAllWindows()

放大图像会导致图像模糊

向下取样向上取样可逆性研究

研究经过一次向下和向上取样后，图像像素是否变化。

import cv2 o=cv2.imread("girl.bmp") r=cv2.pyrUp(o) r2=cv2.pyrDown(r) diff=r2-o cv2.imshow("difference",diff) cv2.waitKey() cv2.destroyAllWindows()

经过一次向上再向下后，再与原图求差，其结果见下面。可以发现经过向上向下后不能恢复原图

拉普拉斯金字塔

结果=原始图像-先向下再向上
向下：尺寸变小
向上：尺寸变大

下图信息为进行两次：
（结果1=原始图像-先向下再向上）
（结果2=结果1-先向下再向上）

import cv2 o=cv2.imread("lena.bmp") od=cv2.pyrDown(o) odu=cv2.pyrUp(od) lapPyr=o-odu o1=od o1d=cv2.pyrDown(o1) o1du=cv2.pyrUp(o1d) lapPyr1=o1-o1du cv2.imshow("lapPyr",lapPyr) cv2.imshow("lapPry1",lapPyr1) cv2.waitKey() cv2.destroyAllWindows()

总目录链接：
python3+opencv学习笔记汇总目录（适合基础入门学习）

进阶版学习笔记：
opencv进阶学习笔记10：图像金字塔和图像梯度

电气专业的计算机小白，写博文不容易。如果你觉得本文不错。请点个赞支持下。谢谢。

总结

以上是生活随笔为你收集整理的opencv学习笔记19：图像金字塔和图像拉普拉斯金字塔 (用于图像放大和缩小)的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。