图像金字塔¶
1. 图像金字塔简介¶
① 金字塔的底层是比较大，越往上越小，图像金字塔就是把图像组合成金字塔的形状。
② 图像金字塔可以做图像特征提取，做特征提取时有时可能不光对原始输入做特征提取，可能还会对好几层图像金字塔做特征提取。可能每一层特征提取的结果是不一样的，再把特征提取的结果总结在一起。
③ 常用的两种图像金字塔形式：
- 高斯金字塔
- 拉普拉斯金字塔
2. 高斯金字塔¶
2.1 向下采样方法 ( 缩小 )¶
2.2 向上采样方法 ( 放大 )¶
2.3 代码综合¶
In [1]:
import cv2 #opencv的缩写为cv2
import matplotlib.pyplot as plt # matplotlib库用于绘图展示
import numpy as np # numpy数值计算工具包
# 魔法指令，直接展示图，Jupyter notebook特有
%matplotlib inline
def cv_show(img,name):
cv2.imshow(name,img)
cv2.waitKey()
cv2.destroyAllWindows()
In [2]:
img = cv2.imread('01_Picture/09_AM.png')
cv_show(img,'img')
print(img.shape)
(442, 340, 3)
In [3]:
img = cv2.imread('01_Picture/09_AM.png')
up = cv2.pyrUp(img)
cv_show(up,'up')
print(up.shape)
(884, 680, 3)
In [4]:
img = cv2.imread('01_Picture/09_AM.png')
down = cv2.pyrDown(img)
cv_show(down,'down')
print(down.shape)
(221, 170, 3)
In [5]:
up = cv2.pyrUp(up) # 上采样之后再上采样
cv_show(up,'up')
print(up.shape)
(1768, 1360, 3)
In [6]:
img = cv2.imread('01_Picture/09_AM.png')
up = cv2.pyrUp(img)
up_down = cv2.pyrDown(up) # 先上采样再下采样
cv_show(np.hstack((img,up_down)),'up_down')
3. 拉普拉斯金字塔¶
① 拉普拉斯金字塔的每一层图像尺寸不变。
② 拉普拉斯金字塔的每一层操作都是上一层处理后作为输入，该输入减去该输入缩小放大后的图像，获得该层的输出。
In [7]:
img = cv2.imread('01_Picture/09_AM.png')
domn = cv2.pyrDown(img)
down_up = cv2.pyrUp(down)
L_1 = img - down_up
cv_show(L_1,'L_1')
print(L_1.shape)
(442, 340, 3)