金华网站建设设计,推广seo优化公司,云主机能干什么,wordpress 3.5OpenCV官方教程中文版 —— 图像金字塔 前言一、原理二、使用金字塔进行图像融合 前言
• 学习图像金字塔
• 使用图像创建一个新水果#xff1a;“橘子苹果”
• 将要学习的函数有#xff1a;cv2.pyrUp()#xff0c;cv2.pyrDown()。
一、原理
一般情况下#xff0c;我… OpenCV官方教程中文版 —— 图像金字塔 前言一、原理二、使用金字塔进行图像融合 前言
• 学习图像金字塔
• 使用图像创建一个新水果“橘子苹果”
• 将要学习的函数有cv2.pyrUp()cv2.pyrDown()。
一、原理
一般情况下我们要处理是一副具有固定分辨率的图像。但是有些情况下我们需要对同一图像的不同分辨率的子图像进行处理。比如我们要在一幅图像中查找某个目标比如脸我们不知道目标在图像中的尺寸大小。这种情况下我们需要创建创建一组图像这些图像是具有不同分辨率的原始图像。我们把这组图像叫做图像金字塔简单来说就是同一图像的不同分辨率的子图集合。如果我们把最大的图像放在底部最小的放在顶部看起来像一座金字塔故而得名图像金字塔。
有两类图像金字塔高斯金字塔和拉普拉斯金字塔。
高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。顶部图像中的每个像素值等于下一层图像中 5 个像素的高斯加权平均值。这样操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。所以这幅图像的面积就变为原来图像面积的四分之一。这被称为 Octave。连续进行这样的操作我们就会得到一个分辨率不断下降的图像金字塔。我们可以使用函数cv2.pyrDown() 和 cv2.pyrUp() 构建图像金字塔。
函数 cv2.pyrDown() 从一个高分辨率大尺寸的图像向上构建一个金子塔尺寸变小分辨率降低。
# -*- coding:utf-8 -*-
import cv2 as cv# 高斯金字塔
def pyramid_demo(image):level 4 # 金字塔的层数temp image.copy() # 拷贝图像pyramid_images []for i in range(level):dst cv.pyrDown(temp) # down是降采样-尺寸变小分辨率降低缩小pyramid_images.append(dst)cv.imshow(pyramid str(i), dst)temp dst.copy()return pyramid_imagessrc cv.imread(ball.png)
cv.namedWindow(input image, cv.WINDOW_NORMAL)
cv.imshow(input image, src)
pyramid_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
下图是一个四层的图像金字塔。 函数 cv2.pyrUp() 从一个低分辨率小尺寸的图像向下构建一个金子塔尺寸变大但分辨率不会增加。
higher_reso2 cv2.pyrUp(lower_reso)你要记住的是是 higher_reso2 和 higher_reso 是不同的。因为一旦使用 cv2.pyrDown()图像的分辨率就会降低信息就会被丢失。下图就是从 cv2.pyrDown() 产生的图像金字塔的由下到上第三层图像使用函数cv2.pyrUp() 得到的图像与原图像相比分辨率差了很多。 拉普拉斯金字塔可以有高斯金字塔计算得来公式如下 拉普拉金字塔的图像看起来就像边界图其中很多像素都是 0。他们经常被用在图像压缩中。下图就是一个三层的拉普拉斯金字塔
# -*- coding:utf-8 -*-
import cv2 as cv
# 高斯金字塔
def pyramid_demo(image):level 4 # 金字塔的层数temp image.copy() # 拷贝图像pyramid_images []for i in range(level):dst cv.pyrDown(temp) # down是降采样-尺寸变小分辨率降低缩小pyramid_images.append(dst)cv.imshow(pyramid str(i), dst)temp dst.copy()return pyramid_images# 拉普拉斯金字塔拉普拉斯金字塔时图像大小必须是2的n次方*2的n次方不然会报错
def laplian_demo(image):pyramid_images cv.resize(image, (512, 512), interpolationcv.INTER_CUBIC) # 可以替换成INTER_LINEARpyramid_images pyramid_demo(pyramid_images)level len(pyramid_images) # 4 层for i in range(level-1, 0, -1): # 每次递减expand cv.pyrUp(pyramid_images[i], dstsizepyramid_images[i - 1].shape[:2])lpls cv.subtract(pyramid_images[i - 1], expand)cv.imshow(lpls_down str(i), lpls)def pyramid_demo_2(image):higher_reso2 cv.pyrUp(image)cv.imshow(pyramid, higher_reso2)return higher_reso2src cv.imread(ball.png)
src2 cv.imread(lower_reso.png)
cv.namedWindow(input image, cv.WINDOW_NORMAL)
cv.imshow(input image, src)
#pyramid_demo(src)
#pyramid_demo_2(src2)
laplian_demo(src)
cv.waitKey(0)
cv.destroyAllWindows() 二、使用金字塔进行图像融合
图像金字塔的一个应用是图像融合。例如在图像缝合中你需要将两幅图叠在一起但是由于连接区域图像像素的不连续性整幅图的效果看起来会很差。这时图像金字塔就可以排上用场了他可以帮你实现无缝连接。这里的一个经典案例就是将两个水果融合成一个看看下图也许你就明白我在讲什么了。
你可以通过阅读后边的更多资源来了解更多关于图像融合拉普拉斯金字塔的细节。实现上述效果的步骤如下
读入两幅图像苹果和橘子构建苹果和橘子的高斯金字塔6 层根据高斯金字塔计算拉普拉斯金字塔在拉普拉斯的每一层进行图像融合苹果的左边与橘子的右边融合根据融合后的图像金字塔重建原始图像。 整个过程的代码如下。为了简单每一步都是独立完成的这回消耗更多的内存如果你愿意的话可以对他进行优化 # -*- coding: utf-8 -*-
import cv2
from matplotlib import pyplot as plt
import numpy as npA cv2.imread(apple.png)
A cv2.resize(A, (256, 256), interpolationcv2.INTER_CUBIC) # 可以替换成INTER_LINEAR
B cv2.imread(orange.png)
B cv2.resize(B, (256, 256), interpolationcv2.INTER_CUBIC) # 可以替换成INTER_LINEAR
b, g, r cv2.split(A)
A cv2.merge([r, g, b])
b, g, r cv2.split(B)
B cv2.merge([r, g, b])# generate Gaussian pyramid for A
G A.copy()
gpA [G]
for i in range(6):G cv2.pyrDown(G)gpA.append(G)# generate Gaussian pyramid for B
G B.copy()
gpB [G]
for i in range(6):G cv2.pyrDown(G)gpB.append(G)# generate Laplacian Pyramid for A
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)# generate Laplacian Pyramid for B
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)# Now add left and right halves of images in each level
# numpy.hstack(tup)
# Take a sequence of arrays and stack them horizontally
# to make a single array.LS []
for la, lb in zip(lpA, lpB):rows, cols, dpt la.shapels np.hstack((la[:, 0:int(cols / 2)], lb[:, int(cols / 2):]))LS.append(ls)# now reconstruct
ls_ LS[0]
for i in range(1, 6):ls_ cv2.pyrUp(ls_)ls_ cv2.add(ls_, LS[i])# image with direct connecting each half
real np.hstack((A[:, :int(cols / 2)], B[:, int(cols / 2):]))plt.figure()
plt.subplot(221)
plt.imshow(A) # expects distorted color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title(apple)
plt.subplot(222)
plt.imshow(B) # expect true color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title(orange)
plt.subplot(223)
plt.imshow(real) # expect true color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title(Direct_connection)
plt.subplot(224)
plt.imshow(ls_) # expect true color
plt.xticks([]), plt.yticks([]) # to hide tick values on X and Y axis
plt.title(Pyramid_blending)
plt.show()
