大宇私人领地伊甸园丨宁愿做了后悔,也不要错过后悔[www.mrdayu.com]
注册

24小时联系邮箱:[email protected]

所有文章
大宇私人伊甸园: 首页 > 所有文章 > 编程人生 > 开源库 > opencv > [001.14]高斯金字塔的上采样和下采样

[001.14]高斯金字塔的上采样和下采样

发布时间:2018/08/11 opencv 标签高斯金字塔阅读:94

图像上采样和降采样:

  • 图像金字塔概念
  • 采样API
  • 代码演示

图像金字塔概念:

我们在图像处理中常常会调整图像大小,最常见的就是放大(zoom in)和缩小(zoom out),尽管几何变换也可以实现图像放大和缩小,但是这里我们介绍图像金字塔

一个图像金字塔式一系列的图像组成,最底下一张是图像尺寸最大,最上方的图像尺寸最小,从空间上从上向下看就想一个古代的金字塔。

图像金字塔概念:

图像金字塔概念:

高斯金子塔 – 用来对图像进行降采样

拉普拉斯金字塔 – 用来重建一张图片根据它的上层降采样图片

图像金字塔概念 高斯金字塔:

高斯金子塔是从底向上,逐层降采样得到。

降采样之后图像大小是原图像MxN的M/2 x N/2 ,就是对原图像删除偶数行与列,即得到降采样之后上一层的图片。

高斯金子塔的生成过程分为两步:

– 对当前层进行高斯模糊

– 删除当前层的偶数行与列

即可得到上一层的图像,这样上一层跟下一层相比,都只有它的1/4大小。

高斯不同(Difference of Gaussian-DOG):

定义:就是把同一张图像在不同的参数下做高斯模糊之后的结果相减,得到的输出图像。称为高斯不同(DOG)

高斯不同是图像的内在特征,在灰度图像增强、角点检测中经常用到。

采样相关API:

上采样(cv::pyrUp) – zoom in 放大

降采样 (cv::pyrDown) – zoom out 缩小

pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2))

生成的图像是原图在宽与高各放大两倍

pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2))

生成的图像是原图在宽与高各缩小1/2

演示代码:

测试结果:

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("C:/dangtao.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	Mat s_down;
	pyrDown(src,s_down,Size(src.cols/2,src.rows/2));
	imshow("down image",s_down);
	Mat s_up;
	pyrUp(src,s_up,Size(src.cols*2,src.rows*2));
	imshow("up image",s_up);
	waitKey(0);
	return 0;
}

DOG归一化显示:

代码:

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("C:/dangtao.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
	namedWindow("input image", CV_WINDOW_AUTOSIZE);
	imshow("input image", src);

	Mat s_down;
	pyrDown(src,s_down,Size(src.cols/2,src.rows/2));
	imshow("down image",s_down);
	Mat s_up;
	pyrUp(src,s_up,Size(src.cols*2,src.rows*2));
	imshow("up image",s_up);


	//DOG
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src,gray_src,CV_BGR2GRAY);
	GaussianBlur(gray_src,g1,Size(5,5),0,0);
	GaussianBlur(g1,g2,Size(5,5),0,0);
	subtract(g1,g2,dogImg,Mat());

	//归一化显示
	normalize(dogImg,dogImg,255,0,NORM_MINMAX);
	imshow("Dog Image",dogImg);
	waitKey(0);
	return 0;
}

函数原形:

void cv::normalize(
InputArry src,
InputOutputArray dst,
double alpha=1,
double beta=0,
int norm_type=NORM_L2,
int dtype=-1,
InputArray mark=noArry())

作用:

归一化数据。该函数分为范围归一化与数据值归一化。(Normalizes the norm or value range of an array.)

参数说明:

src               输入数组;
dst               输出数组,数组的大小和原数组一致;
alpha           1,用来规范值,2.规范范围,并且是下限;
beta             只用来规范范围并且是上限;
norm_type   归一化选择的数学公式类型;
dtype           当为负,输出在大小深度通道数都等于输入,当为正,输出只在深度与输如不同,不同的地方游dtype决定;
mark            掩码。选择感兴趣区域,选定后只能对该区域进行操作。
The bottom line, for me, is simple.

Let’s hope it doesn’t take 500 years for a discipline of testing to becomes the standard for software developers.

From:dayu

您好!请登录

合作网站快捷登录:
点击取消回复

已有0评论

    大宇博客

    点击这里给我发消息 点击这里给我发消息 点击这里给我发消息 点击这里给我发消息