圖像金字塔
- 同一圖像的不同分辨率的子圖集合，如果把最大的圖像放在底部，最小的放在頂部，看起來像一座金字塔，故而得名圖像金字塔。
- cv2.pyrUp()：上采樣
- cv2.pyrDown()：下采樣
高斯金字塔
高斯金字塔的頂部是通過將底部圖像中的連續(xù)的行和列去除得到的。頂部圖像中的每個像素值等于下一層圖像中 5 個像素的高斯加權平均值。這樣操作一次一個 MxN 的圖像就變成了一個 M/2xN/2 的圖像。所以這幅圖像的面積就變?yōu)樵瓉韴D像面積的四分之一。這被稱為 Octave。連續(xù)進行這樣的操作我們就會得到一個分辨率不斷下降的圖像金字塔。我們可以使用函數(shù)cv2.pyrDown() 和 cv2.pyrUp() 構建圖像金字塔。
import numpy as np
import cv2
from matplotlib import pyplot as plt
# 圖像金字塔 ：同一圖像的不同分辨率的子圖集合
# 有兩種：高斯金字塔(Gaussian Pyramid) 和 拉普拉斯金字塔(Pyramid)
# 高斯金字塔 每次處理后圖像的面積變?yōu)樵瓉淼乃姆种?，也被稱為Octave
# cv2.pyrDown() #分辨率降低
# cv2.pyrUp() #分辨率增高
img = cv2.imread('./resource/opencv/image/messi5.jpg')
lower_reso = cv2.pyrDown(img)
lower_reso2 = cv2.pyrDown(lower_reso)
upper_reso = cv2.pyrUp(lower_reso2)
upper_reso2 = cv2.pyrUp(upper_reso)
cv2.imshow('img', img)
cv2.imshow('lower_reso', lower_reso)
cv2.imshow('lower_reso2', lower_reso2)
cv2.imshow('upper_reso', upper_reso)
cv2.imshow('upper_reso2', upper_reso2)
cv2.waitKey(0)
cv2.destroyAllWindows()
拉普拉斯金字塔
拉普拉斯金字塔可以有高斯金字塔計算得來，公式如下：
Li = Gi - pyrUp( Gi + 1 )
式中：
- Li：表示拉普拉斯金字塔中的第i層
- Gi：表示高斯金字塔中的第i層
拉普拉金字塔的圖像看起來就像邊界圖，其中很多像素都是 0。他們經(jīng)常
被用在圖像壓縮中。
圖中各標記含義如下：
- G0、G1、G2、G3分別是高斯金字塔的第0層、第1層、第2層、第3層。
- L0、L1、L2、分別是拉普拉斯金字塔的第0層、第1層、第2層。
- 向下的箭頭表示向下采樣操作（對應cv2.pyrDown()函數(shù)）
- 向右的箭頭表示向上采樣操作（對應cv2.pyrUp() 函數(shù)）
- "+"表示加法操作
- "-"表示減法操作
上圖中的操作關系有：
向下采樣：
- G1 = cv2.pyrDown(G0)
- G2 = cv2.pyrDown(G1)
- G3 = cv2.pyrDown(G2)
拉普拉斯金字塔：
- L0 = G0 - cv2.pyrUp(G1)
- L1 = G1 - cv2.pyrUp(G2)
- L2 = G2 - cv2.pyrUp(G3)
向上采樣恢復高分辨率圖像：
- G0 = L0 + cv2.pyrUp(G1)
- G1 = L1 + cv2.pyrUp(G2)
- G2 = L2 + cv2.pyrUp(G3)
上述關系是通過數(shù)學運算推導得到的。例如，已知L0=G0-cv2.pyrUp(G1)，將表達式右側的cv2.pyrUp(G1)移到左側，就得到了表達式G0 = L0 + cv2.pyrUp(G1)。除此之外，G1和G2都可以通過拉普拉斯金字塔的構造表達式得到。如之前介紹的，拉普拉斯金字塔的目的就是為了恢復高分辨率的圖像。
# 拉普拉斯金字塔構建
G0 = cv2.imread("./resource/opencv/image/lena.jpg")
cv2.imshow("input image",G0)
G1=cv2.pyrDown(G0)
G2=cv2.pyrDown(G1)
G3=cv2.pyrDown(G2)
G4=cv2.pyrDown(G3)
L0 = cv2.subtract(G0,cv2.pyrUp(G1))
L1 = cv2.subtract(G1,cv2.pyrUp(G2))
L2 = cv2.subtract(G2,cv2.pyrUp(G3))
L3 = cv2.subtract(G3,cv2.pyrUp(G4))
cv2.imshow("G1",G1)
cv2.imshow("G2",G2)
cv2.imshow("G3",G3)
cv2.imshow("G4",G4)
cv2.waitKey(0)
cv2.destroyAllWindows()
import numpy as np
import cv2
# 拉普拉斯金字塔是由高斯金字塔計數(shù)得到，公式如下
# Li = Gi - PyrUP(PyrDown(Gi))
# 拉普拉斯金字塔圖像看起來像是邊界圖，其中很多像素都是0，常被用在圖像壓縮中。
import cv2 as cv
if __name__ == '__main__':
img = cv.imread("./resource/opencv/image/lena.jpg")
down1 = cv.pyrDown(img)
res = img - cv.pyrUp(down1)
down2 = cv.pyrDown(down1)
res2 = down1 - cv.pyrUp(down2)
cv.imshow("img", img)
cv.imshow("res", res)
cv.imshow("res2", res2)
cv.waitKey(0)
cv.destroyAllWindows()
文章來源：http://www.zghlxwxcb.cn/news/detail-637599.html
金字塔圖像融合
import numpy as np
import cv2
import sys
# 實現(xiàn)上述效果的步驟如下：
# 1. 讀入兩幅圖像，蘋果和橘子
# 2. 構建蘋果和橘子的高斯金字塔（ 6 層）
# 3. 根據(jù)高斯金字塔計算拉普拉斯金字塔
# 4. 在拉普拉斯的每一層進行圖像融合（蘋果的左邊與橘子的右邊融合）
# 5. 根據(jù)融合后的圖像金字塔重建原始圖像。
A = cv2.imread('./resource/opencv/image/apple.jpg')
B = cv2.imread('./resource/opencv/image/orange.jpg')
print(A.shape)
print(B.shape)
# 生成高斯金字塔
G = A.copy()
gpA = [G]
for i in range(5):
G = cv2.pyrDown(G)
gpA.append(G)
G = B.copy()
gpB = [G]
for i in range(5):
G = cv2.pyrDown(G)
gpB.append(G)
# 產(chǎn)生Laplacian金字塔
lpA = [gpA[5]]
for i in range(5,0,-1):
GE = cv2.pyrUp(gpA[i])
L = cv2.subtract(gpA[i-1],GE)
lpA.append(L)
lpB = [gpB[5]]
for i in range(5,0,-1):
GE = cv2.pyrUp(gpB[i])
L = cv2.subtract(gpB[i-1],GE)
lpB.append(L)
# 合并
LS = []
for la,lb in zip(lpA,lpB):
rows,cols,dpt = la.shape
ls = np.hstack((la[:,0:cols//2], lb[:,cols//2:]))
LS.append(ls)
# 重新構建圖像
ls_ = LS[0]
for i in range(1,6):
ls_ = cv2.pyrUp(ls_)
ls_ = cv2.add(ls_, LS[i])
# 連接
real = np.hstack((A[:,:cols//2],B[:,cols//2:]))
cv2.imshow("apple",A)
cv2.imshow("orange",B)
cv2.imshow("LS",ls_)
cv2.imshow("Real",real)
cv2.waitKey()
cv2.destroyAllWindows()
文章來源地址http://www.zghlxwxcb.cn/news/detail-637599.html
到了這里，關于Python-OpenCV中的圖像處理-圖像金字塔的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
