图像金字塔

• 简介

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。

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。

常用的两种图像金字塔形式：
高斯金字塔
拉普拉斯金字塔

• 高斯金字塔
  

• 代码案例

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()

img = cv2.imread('01_Picture/09_AM.png')
cv_show(img,'img')
print(img.shape)
# 执行结果：(442, 340, 3)

img = cv2.imread('01_Picture/09_AM.png')
up = cv2.pyrUp(img)
cv_show(up,'up')
print(up.shape)
# 执行结果：(884, 680, 3)

img = cv2.imread('01_Picture/09_AM.png')
down = cv2.pyrDown(img)
cv_show(down,'down')
print(down.shape)
# 执行结果：(221, 170, 3)

up = cv2.pyrUp(up)  # 上采样之后再上采样
cv_show(up,'up')
print(up.shape)
# 执行结果：(1768, 1360, 3)

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')

• 执行结果

点击查看详情

• 原图
  

• 放大
  

• 缩小
  

• 再次放大
  

• 先放大再缩小，原图与结果图对比
  

• 拉普拉斯金字塔

拉普拉斯金字塔的每一层图像尺寸不变。
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

• 代码案例

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)
# 执行结果：(442, 340, 3)

• 执行结果