图像金字塔:主要是指一种算法思想
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,我们雪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,比如险,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幸的原始图像。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,最小的放在项部,看起来像一座金字塔,故而得名图像金字塔。
不同分辨率的图像,使用图像金字塔,可以找到不同大小的人脸
实现金字塔的两种方式
高斯金字塔
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。项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 *** 作一次一个MsN的图像就变成了一个M2*N2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。连续进行这样的 *** 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()(图像分辨率降低)和 cv2.pyrUp() (图像分辨率提高)构建图像金字塔。
拉普拉斯金字塔
可以由高斯金字塔得到 拉普拉斯金字塔可以由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。
from imutils import *
image = imread('image.jpg') show(image) image.shape
(424, 600, 3)
# 高斯金字塔的使用 for i in range(4): image = cv2.pyrDown(image) #降低分辨率 print(image.shape) show(image)
(212, 300, 3)
(106, 150, 3)
(53, 75, 3)
(27, 38, 3)
# 高斯金字塔 提升分辨率 for i in range(4): image = cv2.pyrUp(image) print(image.shape) show(image)
(54, 76, 3)
(108, 152, 3)
(216, 304, 3)
(432, 608, 3)
# 拉普拉斯金字塔 image = imread('image.jpg') down_image1 = cv2.pyrDown(image) down_image2 = cv2.pyrDown(down_image1) up_image = cv2.pyrUp(down_image2) laplacian = down_image1-up_image show(laplacian)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)