图像金字塔从理论到实践专题

【OpenCV】第十一章: 图像金字塔 一、什么是图像金字塔 二、为什么要生成图像金字塔,图像金字塔能干啥? 三、理论基础:下采样、上采样、滤波器 四、上下采样API 五、高斯金字塔 六、拉普拉斯金字塔 阅读详情

1、资源搜索

图像金字塔-百度百科

【OpenCV学习笔记】之图像金字塔(Image Pyramid)

高斯金字塔与拉普拉斯金字塔

数字图像处理(21): 图像金字塔(高斯金字塔 与 拉普拉斯金字塔)

2、本人总结

        在讲解图像金字塔相关知识的时候,我还是首先考虑一个问题,为什么会出现图像金字塔这个概念。我们在对一张图像进行处理的时候,计算机不像我们人眼一看,一看就知道这里面含有什么物体。所以这时候我们需要把图像中一些重要的信息提取出来,然后在让计算机去理解。就好比我们在教小孩子知识的时候,往往就是让复杂问题简单化,来帮助他更快的理解。因此,要提取图像中有用的信息,就涉及到金字塔中一个重要的概念拉普拉斯金字塔,来得到图像的高频信息。在比如我们人类在看一样东西的时候,只要在人眼可视的范围内,无论这个物体放到多远,我们都能很精确知道这个物体是什么。但是计算机要认识这个物体,你需要把这个物体在远处是什么样子、近处是什么样子,都要清清楚楚的告诉它一边,而从单张图像实现图像的远近,就要用到金字塔中一个重要的概念高斯金字塔。上面列举的例子,只是图像金字塔中的几个可能的应用,它还可以用到很多具体的图像处理中,例如图像融合、光流、SIFT等等,后面有时间的话,我会把概念一一讲解。

2.1 尺度变化

       尺度变化即实现图像分辨率大小的变化,在OpenCV中使用的函数是resize函数。其中,在对图像缩小处理的时候,一般采用的CV_INTER_AERA(区域插值)的方法。在对图像放大的使用一般采用的是CV_INTER_LINEAR(线性插值)。

2.2 图像金字塔

      图像金字塔实现了多尺度的表达,金字塔的底层为高分辨率的原始图像,高层为了低分辨率图像,而且层越高图像的分辨率越小。主要使用在图像分割、图像压缩、匹配等方向。其中,图像金字塔中比较常见的就是高斯金字塔和拉普拉斯金字塔。

     高斯金字塔:用来进行向上/向下采样,是主要的图像金字塔。

     拉普拉斯金字塔:在金字塔低层图像重建上层未采样图像,在数字图像处理中用来预测残差,对图像进行最大程度的还原,与高斯金字塔配合使用。

      两者的主要区别:高斯金字塔是在原始图像的基础上,对图像进行下采样,图像的分辨率越来越低;拉普拉斯金字塔则是从金字塔的底层向上采样来重建图像。

2.3 高斯金字塔

2.3.1 图像下采样:缩小图像

对图像进行下采样,一般由两步实现:对图像进行高斯卷积核处理(高斯滤波);删除所有的偶数行和列;

根据上图可以看到,图像的分辨率一开始是M X N,经过一次操作后图像的分辨率变为M/2 X N/2,后面以此类推。

注:因为每次在进行下采样的时候,都会减少行列,因此图像的信息不断丢失。

2.3.2 图像下采样OpenCV实现下采样

(1)源代码

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{
	Mat src, dest1, dest2, show;
	src = imread("0.jpg");
	//降采样
	pyrDown(src, dest1, Size(src.cols / 2, src.rows / 2));
	pyrDown(dest1, dest2, Size(dest1.cols / 2, dest1.rows / 2));
	namedWindow("image", CV_WINDOW_AUTOSIZE);
	show.create(src.rows, src.cols + dest1.cols + dest2.cols, CV_8UC3);
	src.copyTo(show(Rect(0, 0, src.cols, src.rows)));
	dest1.copyTo(show(Rect(src.cols, 0, dest1.cols, dest1.rows)));
	dest2.copyTo(show(Rect(src.cols + dest1.cols, 0, dest2.cols, dest2.rows)));
	imshow("image", show);
	cvWaitKey();
}

(2)降采样效果图

2.3.3 图像上采样:放大图像

        图像进行上采样说白了就是不断的放大图像,每进行一次处理,图像的行和宽都会放大原来的一倍。那么放大的像素怎么来的呢,一般都是在要放大图像中添加新增的行和列,均用0作为填充。

关于行列中填充的实现:

请注意:我们进行的上采样和下采样的过程是不可逆的,其实不说你也可以想到,每次下采样都会丢失数据,所以即使在进行上采样,丢失的数据也不会回来。

2.3.3 图像上采样:OpenCV实现

(1)源代码

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{
	Mat src, dest1, dest2, show;
	src = imread("1.jpg");
	//降采样
	pyrUp(src, dest1, Size(src.cols * 2, src.rows * 2));
	pyrUp(dest1, dest2, Size(dest1.cols * 2, dest1.rows * 2));
	namedWindow("image", CV_WINDOW_AUTOSIZE);
	show.create(dest2.rows, src.cols + dest1.cols + dest2.cols, CV_8UC3);
	src.copyTo(show(Rect(0, 0, src.cols, src.rows)));
	dest1.copyTo(show(Rect(src.cols, 0, dest1.cols, dest1.rows)));
	dest2.copyTo(show(Rect(src.cols + dest1.cols, 0, dest2.cols, dest2.rows)));
	imwrite("./1.jpg", dest2);
	imshow("image", show);
	cvWaitKey();
}

(2)效果图

2.4 拉普拉斯金字塔

2.4.1 基础过程

其实拉普拉斯金字塔是在高斯金字塔的基础上,实现的新金字塔。拉普拉斯金字塔的表达式:

下面我们通过两个流程图来进行分析:

        说明:我们可以看到首先对原始图像进行高斯金字塔,然后在最顶层开始,对图像进行上采样。将上采样后的图像与当前层对应的高斯层图像进行做差,来得到图像的轮廓即高频信息。上面这个过程称为“拉普拉斯金字塔”操作。

        上面两幅图像,通过将高斯金字塔和拉普拉斯金字塔整合,得到不同的图像。首先还是先对图像进行高斯金字塔处理,之后经过拉普拉斯金字塔得到高频信息,将高频信息与经过高斯上采样来的同层图像来合成一张图像。

2.4.2 拉普拉斯金字塔OpenCV实现

(1)源代码

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{
	Mat src, dest1, dest2, show;
	Mat dest1Up, dest2Up;
	Mat laplaceSrc, laplaceDest;

	src = imread("0.jpg");
	//降采样
	pyrDown(src, dest1, Size(src.cols / 2, src.rows / 2));
	pyrDown(dest1, dest2, Size(dest1.cols / 2, dest1.rows / 2));
	namedWindow("image", CV_WINDOW_AUTOSIZE);
	
	pyrUp(dest2, dest2Up, Size(dest2.cols * 2, dest2.rows * 2));
	pyrUp(dest1, dest1Up, Size(dest1.cols * 2, dest1.rows * 2));


	show.create(src.rows * 3, src.cols + dest1.cols, CV_8UC3);
	laplaceSrc = src - dest1Up;
	laplaceDest = dest1 - dest2Up;

	src.copyTo(show(Rect(0, 0, src.cols, src.rows)));
	dest1Up.copyTo(show(Rect(0, src.rows, dest1Up.cols, dest1Up.rows)));
	laplaceSrc.copyTo(show(Rect(0, src.rows + dest1Up.rows, laplaceSrc.cols, laplaceSrc.rows)));

	dest1.copyTo(show(Rect(src.cols, 0, dest1.cols, dest1.rows)));
	dest2Up.copyTo(show(Rect(src.cols, dest1.rows, dest2Up.cols, dest2Up.rows)));
	laplaceDest.copyTo(show(Rect(src.cols, dest1.rows + dest2Up.rows, laplaceDest.cols, laplaceDest.rows)));

	imshow("image", show);
	cvWaitKey();
}

(2)效果图

更多《计算机视觉与图形学》知识,可关注下方公众号:

 

Halcon图像金字塔 这一系列图像从大到小、自下而上构成一个塔状模型,原始图像为第1层(最底层),第2层图像大小仅为第1层的1/4,然后不断迭代,每一层图像包含的信息和细节程度都不相同。图(b)为使用inspect_shape_model算子生成的各层级的形状模板图像,要求最小一层的形状仍能保留基本的形状特征,据此可以选择合适的金字塔层级数。(4)得到了匹配的候选区域后,把这个结果映射到下一层,即直接将找到的匹配点的位置坐标乘以2,下一层的匹配搜索就在这个区域内进行。根据确定的层级数,利用模板图像创建n层的金字塔图像。 阅读详情

相关推荐

MATLAB图像金字塔实现与应用

在图像处理领域,图像金字塔提供了多尺度的图像表示,这对于各种图像分析任务至关重要。使用MATLAB内置函数impyramid可以方便地实现图像金字塔的构建,但在某些复杂应用场景下,自定义图像金字塔函数更能满足特定需求,提供更高的灵活性和优化潜力。本章节将深入探讨自定义图像金字塔函数的优势、设计与实现以及在实际问题中的应用。使用MATLAB的impyramid函数虽然方便,但在很多实际应用中会受到函数功能的限制。

weixin_29317963的博客 1119

第11章:图像金字塔

第11章:图像金字塔一、理论基础:1. 向下采样:2. 向上采样:二、pyrDown函数使用:三、pyrUp函数及使用:四、采样可逆性研究五、拉普拉斯金字塔1. 定义:2. 应用: 什么是图像金子塔? ​ 图像金字塔是由一幅图像的多个不同分辨率的子图构成的图像集合。是通过一个图像不断的降低采样率产生的,最小的图像可能仅仅有一个像素点。下图是一个图像金子塔的示例。从图中可以看到,图像金字塔是一系列以金字塔形状排列的、自底向上分辨率逐渐降低的图像集合。 ​ 通常情况下,图像金字塔的底部是待处理的高分辨率图

weixin_57440207的博客 1万+

从零复刻平衡小车(基于STM32F1)

平衡小车(基于STM32F1)

Legendyyy的博客 5046

图像金字塔,原理、实现及应用

图像金字塔是对图像的一种多尺度表达,将各个尺度的图像按照分辨率从小到大,依次从上到下排列,就会形成类似金字塔的结构,因此称为图像金字塔。常见的图像金字塔有两类,一种是高斯金字塔(Gaussian Pyramid),另一种的拉普拉斯金字塔(Laplacian Pyramid)。

吹吹自然风 9023

深入了解AES_GCM算法

常见的对称加密算法,在解密过程中无法确认密钥是否正确的。这就意味着,密文可以用任何密钥执行解密运算,得到一组疑似密文;由于不知道密钥是否正确,故也不能确定解密出来的明文数据是否正确。因此,需要在对称加密算法上增加一层验证机制,常见思路为使用加密算法进行加密保证机密性,使用摘要算法计算MAC保证完整性和真实性,这就涉及到摘要计算和加密计算的前后顺序和参与计算的数据、密钥等,使用起来略微麻烦。

huaqianzkh的专栏 4198

基于Simulink的二相混合式步进电机驱动器快速建模与仿真实践

本文详细介绍了如何利用Simulink对二相混合式步进电机驱动器进行快速建模与仿真。通过从零搭建电机数学模型、设计H桥控制逻辑,并集成步进时序,手把手指导读者创建可运行的仿真模型文件。该方法能有效验证控制策略,避免硬件调试风险,是学习与实践电机驱动开发的理想途径。

weixin_29171087的博客 150

计算机视觉——图像金字塔理解与代码示例

有时为了在图像中检测一个物体(例如人脸、汽车或其他类似的物体),需要调整图像的大小或对图像进行子采样,并进行进一步的分析。然后对第二组的第一层图像进行σ的高斯平滑处理,得到第二组的第二层,类似于步骤2。在同一组内,它们的尺寸相同,但在不同组之间,第二组的图像尺寸是第一组图像尺寸的一半。在同一组内,不同层图像的尺寸相同,后一层图像的平滑系数是前一层图像平滑系数的k倍。

知来者逆的博客 3435

ESP32 DMX512与RDM协议栈开发指南

DMX512-A是专业灯光控制领域广泛采用的串行通信标准,基于RS-485物理层实现确定性单向数据传输;RDM(Remote Device Management)则在其基础上扩展双向、可寻址、可配置的智能管理能力,满足现代舞台设备远程固件升级、自动发现与参数配置需求。二者共用同一总线但时序与帧结构严格隔离,对硬件定时精度、中断响应延迟及电气隔离提出极高要求。在嵌入式实践中,ESP32凭借Wi-Fi/蓝牙连接能力与丰富外设资源,成为构建低成本智能DMX节点的理想平台。esp_dmx协议栈正是面向该场景的高性能

weixin_34945060的博客 316

机器学习:opencv--图像金字塔

opencv--图像金字塔

纸上得来终觉浅 4640

浮点数运算的陷阱与启示:FP16加法器/乘法器开发中的常见误区

本文深入探讨FP16加法器和乘法器开发中的常见误区,包括FP16格式解析、阶码对齐陷阱、尾数运算风险及规格化处理。通过Verilog实战代码展示防御性编程技巧,帮助开发者避免边界条件处理和异常状态管理中的错误,提升硬件设计的可靠性和效率。

dell8的博客 252

SystemUI-下拉去掉后去掉用户切换-去掉电源按键中的紧急呼叫

这里自己倒腾完成了两个常见需求:去除用户切换、去除紧急呼叫UI在去除用户切换时候,用到了Compose知识点,所以很难按照以前经验去找对应布局、找对应的View Item ,以往方法都只能部分借鉴的搞系统的还是要跟着谷歌学一点Compose技能了,方便日常开发调试。

十年饮冰,难凉热血 1465

数字图像处理(21): 图像金字塔(高斯金字塔 与 拉普拉斯金字塔)

目录 1 图像金字塔简介 2 向下取样——pyrDown() 2.1 基础理论 2.2 代码示例 3 向上取样——pyrUp() 3.1 基础理论 3.2 代码示例 4Laplacian 金字塔 4.1 基础理论 4.2 代码示例 参考资料 1 图像金字塔简介 以多个分辨率来表示图像的一种有效且概念简单的结构是图像金字塔。图像金字塔最初用于机器视觉和图像压缩,...

TechArtisan6的博客 2万+

手把手教你学simulink(90.1)--直流电动机实例:基于Simulink的基本模型的直流电动机(DC Motor)建模

直流电动机(DC Motor)因其结构简单、控制方便和良好的调速性能,广泛应用于各种工业自动化、机器人技术、家用电器以及航空航天等领域。为了更好地理解和应用直流电动机的工作原理及其控制系统,本项目旨在通过Simulink对直流电动机进行基本模型的建模与仿真。

MHD0815的博客 442

计算机视觉-OpenCV图像金字塔

图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低,且来源于同一张原始图的图像集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。 .........

m0_37623374的博客 4021

Xilinx差分原语-IBUFGDS与OBUFGDS FPGA

它将差分信号转换为单端信号,并将其输入到FPGA的逻辑片上。它将单端信号转换为差分信号,并将其输出到FPGA的引脚。在FPGA设计中,差分信号是一种常见的信号传输方式,用于提高抗噪性和抑制共模噪声。Xilinx是一家知名的FPGA供应商,提供了许多差分原语,其中包括IBUFGDS和OBUFGDS。通过使用Xilinx的差分原语,如IBUFGDS和OBUFGDS,可以实现差分信号的输入和输出。这些差分原语提供了方便且可靠的接口,使得在FPGA设计中处理差分信号变得更加简单和高效。是差分输入信号的端口,

git_database727的博客 2096

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

【OpenCV】图像金字塔

图像金字塔(Image Pyramid)是一种多分辨率表示方法,它通过构建一系列不同分辨率的图像来捕捉图像中的细节。这种技术在计算机视觉和图像处理中非常有用,可以用于特征检测、图像配准、目标跟踪等多个领域。OpenCV 提供了两种主要类型的图像金字塔:高斯金字塔(Gaussian Pyramid)和拉普拉斯金字塔(Laplacian Pyramid)。下面将详细介绍这两种金字塔的概念及其在 OpenCV 中的应用。

专注上位机开发、机器视觉、机器学习、嵌入式软硬件开发 5743

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

Python OpenCV 之图像金字塔,高斯金字塔与拉普拉斯金字塔

Python OpenCV 高斯金字塔 cv2.pyrDown 与 cv2.pyrUp 函数

梦想橡皮擦,专栏100例写作模式先行者,现象级专栏 《Python 爬虫 100 例》作者、《滚雪球学 Python 专栏》原创者 2万+

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔

OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔 目录OpenCV中的图像处理 —— 图像梯度+Canny边缘检测+图像金字塔1. 图像梯度1.1 Sobel和Scharr算子1.2 Laplacian算子2. Canny边缘检测2.1 多阶段的Canny边缘检测算法2.2 OpenCV中的Canny Edge检测 1. 图像梯度 首先我们来看看什么是图像梯度:图像梯度可以把图像看作二维离散函数,图像梯度就是这个二维函数的求导,图像边缘一般都是通过对图像进行梯度运算来

小菜鸡的小博客 1万+

图像金字塔

默认情况下,程序会调用文件夹中的图像默认情况下,程序会调用文件夹中的图像。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。– 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。如果用户按 **ESC,**我们的程序将退出。

2401_82469710的博客 1111

什么是图像金字塔

有些情况下,我们需要处理源自同一张图像的不同分辨率的图像集合。这些不同分辨率的图像组成的集合称为图像金字塔。 图像金字塔的主要类型可分为低通和带通 有两种常用图像金字塔: Gaussian Pyramid (低通) Laplacian Pyramids (带通) 之所以称为金字塔,是因为金字塔底部由大尺寸的原图组成,越往上层,尺寸越小,堆叠起来就是一个金字塔的形式: 金字塔的生成过程 低通金字塔:使用一个恰当的平滑filter对图像进行平滑处理,接着对平滑之后的图像进行下采样(subsamp.

kunkliu的博客 3801

OpenCV图像金字塔

默认情况下,程序会调用文件夹中的图像默认情况下,程序会调用文件夹中的图像。如果你从入门时就确认了未来的工作方向,可以在第二阶段就提前阅读相关入门书籍(对应“商业落地五大方向”中的前两本),然后再“哪里不会补哪里”。因此,第一阶段只推荐4本最必要的书(而且这些书到了第二、三阶段也能继续用),入门以后,在后续学习中再“哪里不会补哪里”即可。– 这个课程将会教授你实现人工智能的基本方法,包括:概率推算,计划和搜索,本地化,跟踪和控制,全部都是围绕有关机器人设计。如果用户按 **ESC,**我们的程序将退出。

2301_81887304的博客 1707

openCV——图像金字塔

图像金字塔 理论基础 通常情况下,图像金字塔的底部是待处理的高分辨率图像(原始图像),而顶部则为其低 分辨率的近似图像。向金字塔的顶部移动时,图像的尺寸和分辨率都不断地降低。通常情况下, 每向上移动一级,图像的宽和高都降低为原来的二分之一。最简单的图像金字塔可以通过不断地删除图像的偶数行和偶数列得到。例如,有一幅图像, 其大小是 NN,删除其偶数行和偶数列后得到一幅(N/2)(N/2)大小的图像。经过上述处理后, 图像大小变为原来的四分之一,不断地重复该过程,就可以得到该图像的图像金字塔。 在向上

D_Low的博客 5586

【OpenCV学习笔记】之图像金字塔(Image Pyramid)

一、尺度调整       顾名思义,即对源图像的尺寸进行放大或者缩小变换。在opencv里面可以用resize函数,将源图像精准地转化为指定尺寸的目标图像。要缩小图像,一般推荐使用CV_INETR_AREA(区域插值)来插值;若要放大图像,推荐使用CV_INTER_LINEAR(线性插值)。这个函数可以用来做简单的图像尺度变换。而下面要说的图像金字塔的用处很大,在特征检测中都是基础理论和技术; ...

zhu_hongji的博客 5万+
上一篇: 光流算法从理论到实践专题2
下一篇: 光流算法从理论到实践专题3
元宇宙MetaAI
博客等级 码龄10年 331粉丝 333原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值