由第一个图可知，图像金字塔这无非就是对图像进行放大和缩小罢了

1，高斯金字塔

向下采样方法(缩小)，越采样越小，即从金字塔底部向上采样

cv2.pyrDown(img)

向上采样方法(放大)，越采样越大，即从金字塔顶部向下采样

cv2.pyrUp(img)

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()#原图 img = cv2.imread('E:\Jupyter_workspace\study\data/test2.png') show_photo('img',img) print(img.shape)#结果为：(260, 200, 3)#放大 up = cv2.pyrUp(img) show_photo('up',up) print(up.shape)#结果为：(520, 400, 3)#缩小 down = cv2.pyrDown(img) show_photo('down',down) print(down.shape)#结果为：(130, 100, 3)#先放大再缩小 up = cv2.pyrUp(img) up_down = cv2.pyrDown(up) show_photo('up_down',up_down) print(up_down.shape))#结果为：(260, 200, 3)#先缩小再放大 down = cv2.pyrDown(img) down_up = cv2.pyrUp(down) show_photo('down_up',down_up) print(down_up.shape)#结果为：(260, 200, 3)#将原图、先放大再缩小、先缩小再放大进行比较 res = np.hstack((img,up_down,down_up))#vstack纵向比较 show_photo('img up_down down_up',res)

效果如下：
原图、先放大再缩小、先缩小再放大进行比较

虽然先放大再缩小或者先缩小再放大都和原图大小一样，但是实则清晰度已经变了，已经丢了很多数据了

2，拉普拉斯金字塔

Gi为原图像数据，即img
PyrUp(PyrDown(Gi))对原图像先up再down
然后用原图像Gi减去PyrUp(PyrDown(Gi))

首先，G0为原图先进行低通滤波和缩小尺寸操作得到G1，G1再进行放大尺寸得到E1，然后，G0-E1得到LP1，即与上述公式效果一致
cv2.pyrDown(img)缩小
cv2.pyrUp(img)放大

import cv2 import numpy as npdef show_photo(name,picture):cv2.imshow(name,picture)cv2.waitKey(0)cv2.destroyAllWindows()img = cv2.imread('E:\Jupyter_workspace\study\data/test2.png') down = cv2.pyrDown(img) down_up = cv2.pyrUp(down)#先缩小再放大 lpls = img-down_up show_photo('lpls',lpls)

总结

以上是生活随笔为你收集整理的14-图像金字塔的全部内容，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。