OpenCV 图像金字塔原理与实现

OpenCV 图像金字塔原理与实现

目标

在本教程中，您将学习如何：

• 使用 OpenCV 函数 pyrUp() 和 pyrDown() 对给定图像进行下采样或上采样。

理论

下面的解释属于 Bradski 和 Kaehler 所著的《Learning OpenCV》一书。

通常我们需要将图像转换为与原始图像不同的大小。为此，有两种可能的选择：

1. 放大图像（Upsampling）或
2. 缩小图像（Downsampling）。

尽管 OpenCV 中有一个几何变换函数 resize，可以从字面上调整图像大小，但在本节中，我们首先分析了图像金字塔的使用，它广泛应用于广泛的视觉应用。

图像金字塔

• 图像金字塔是图像的集合 - 所有图像都来自单个原始图像 - 这些图像连续下采样，直到达到某个所需的停止点。
• 图像金字塔有两种常见类型：
  • 高斯金字塔：用于对图像进行下采样
  • 拉普拉斯金字塔：用于从金字塔中较低的图像（分辨率较低）重建上采样图像
• 在本教程中，我们将使用高斯金字塔。

高斯金字塔

将金字塔想象成一组层，其中层越高，尺寸越小。

每一层都从下到上编号，因此层 G_{i+1} 小于层 G_i。

为了在高斯金字塔中生成层 G_{i+1}，我们执行以下操作：

1. 具有高斯核的卷积 G_i：

   1/16 * [1 4 6 4 1;
           4 16 24 16 4;
           6 24 36 24 6;
           4 16 24 16 4;
           1 4 6 4 1]
   

2. 删除每个偶数行和列。

您可以很容易地注意到，生成的图像将恰好是其前身面积的四分之一。在输入图像 G_0（原始图像）上迭代此过程将生成整个金字塔。

上述过程对于图像的下采样很有用。如果我们想让它变大怎么办？

• 首先，将图像在每个维度上放大到原始图像的两倍，使用新的偶数行和列填充零（0）。
• 使用上面所示的相同内核（乘以 4）执行卷积以近似'缺失像素'的值。

这两个过程（如上所述的下采样和上采样）是由 OpenCV 函数 pyrDown() 和 pyrUp() 实现的，正如我们将在以下代码的示例中看到的那样。

注意：当我们减小图像的大小时，我们实际上是在丢失图像的信息。

代码示例 (C++)

本教程代码如下所示。

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

using namespace std;
using namespace cv;

 * window_name = ;

{
    cout <<  
         << 
         << 
         << 
         <<  << endl;

     * filename = argc >=  ? argv[] : ;
    Mat src = (filename);

    
     (src.()) {
        ();
        ();
         EXIT_FAILURE;
    }

     (;;) {
        (window_name, src);
         c = ()();
         (c == ) { ; }
          (c == ) {
            (src, src, (src.cols * , src.rows * ));
            ();
        }
          (c == ) {
            (src, src, (src.cols / , src.rows / ));
            ();
        }
    }
     EXIT_SUCCESS;
}