Opencv之圖像金字塔：高斯金字塔和拉普拉斯金字塔

1.介紹

    圖像金字塔是圖像中多尺度的一種表現，主要用於分割，目前最流行的方法：深度學習裏面也有它的身影，比如文本檢測方法“TextBoxes++”就用到它了，爲什麼要用它，效果會好一些呢？因爲一張圖片中，有些字體比較大，有些字體比較小。今天的豬腳是介紹傳統圖像金字塔：高斯金字塔和拉普拉斯金字塔，至於深度學習的，我就不展開講了。

 

2.高斯金字塔

    高斯金字塔的生成，主要用到pyrDown函數，其生成原理：

    （1）輸入圖片

    （2）對圖像進行高斯內核卷積

    （3）將所有偶數行和列去除，得到（1）中圖片的1/4大小

    （4）將（3）中得到的圖片重複（2）和（3）步驟，直到得到n級圖像金字塔

    注意：在生成圖像金字塔過程中，圖像的信息是在不斷的被丟失

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


using namespace cv;
int main()
{
	Mat srcImage = imread("kodim23.png"); 
	Mat dstImage1, dstImage2;
	pyrDown(srcImage, dstImage1, Size(srcImage.cols / 2, srcImage.rows / 2));
	pyrDown(dstImage1, dstImage2, Size(dstImage1.cols / 2, dstImage1.rows / 2));
	imshow("srcImage", srcImage);
	imshow("dstImage1", dstImage1);
	imshow("dstImage2", dstImage2);

	waitKey(0);

	return 0;
}

    效果：

 

3.拉普拉斯金字塔

    拉普拉斯金字塔的生成，主要是基於高斯金字塔以及用到pyrUp函數，其生成原理：

    （1）輸入圖片

    （2）縮小圖片，對應高斯金字塔步驟中的（2）和（3）

    （3）將上一步驟得到的圖像在每個方向擴大爲原來的兩倍，新增的行和列以0填充

    （4）進行高斯內核卷積（縮小的時候，用什麼核，這裏就用什麼核）

    （5）步驟（1）的圖片  -  步驟（4）所得到的圖片（所得到的圖片具有高頻信息）

    （6）重複（2）-（5），直到得到n級圖像金字塔

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


using namespace cv;
int main()
{
	Mat srcImage = imread("kodim23.png"); 
	Mat downImage1, downImage2;
	Mat upImage1, upImage2;
	Mat lapImage1, lapImage2;
	pyrDown(srcImage, downImage1, Size(srcImage.cols / 2, srcImage.rows / 2));
	pyrDown(downImage1, downImage2, Size(downImage1.cols / 2, downImage1.rows / 2));

	pyrUp(downImage2, upImage2, Size(downImage2.cols * 2, downImage2.rows * 2));
	pyrUp(downImage1, upImage1, Size(downImage1.cols * 2, downImage1.rows * 2));

	lapImage1 = srcImage - upImage1;
	lapImage2 = downImage1 - upImage2;

	imwrite("lapImage1.png", lapImage1);
	imwrite("lapImage2.png", lapImage2);
	return 0;
}

     效果：