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()
1
2
3
4
5
6
7
8
9
10

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()
1
2
3
4
5
6
7
8

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()
1
2
3
4
5
6
7
8

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()

1
2
3
4
5
6
7
8
9
10
11
12
13
14

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。