opencv学习十四 图像金字塔,上采样与降采样,高斯不同

本文详细介绍了OpenCV中的图像金字塔概念,包括高斯金字塔和拉普拉斯金字塔的使用,以及如何通过上采样和降采样API实现图像的放大和缩小。同时,探讨了高斯不同(DOG)在图像特征提取中的应用,和矩阵归一化在图像处理中的作用。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

图像金字塔

**
一系列图像组成的金字塔,上面的图像小,下面的图像大
高斯金字塔:用来对图像降采样
拉普拉斯金字塔:根据上层采样图片重建一张图

API

**

上采样 cv::pyrUp --------zoom in放大

降采样 cv::pyrDown ------zoom out缩小

pyrUp(src,dst,Size(src.cols*2,src.rows*2))`

生成的图像放大四倍

pyrDown(src,dst,Size(src.cols/2,src.rows/2))

生成的图像缩小四倍

**

高斯不同

Difference of Gaussian

**
就是把同一张图像在不同的参数下做高斯模糊之后的结果相减,得到的输出图像。称为高斯不同(DOG)

高斯不同是图像的内在特征,在灰度图像增强、角点检测中经常用到。
可用于特征提取

DOG代码实行

GaussianBlur(src,g1,Size(3,3),0,0);
GaussianBlur(g1,g2,Size(3,3),0,0);
subtract(g1,g2,dogimage,Mat());
normalize(dogimage,dogimage,255,0,NORM_MINMAX);

图像基本运算之—相减

subtract(InputArray src1, InputArray src2, OutputArray dst,
                        ~~InputArray mask=noArray(), int dtype=-1~~   );

比如

subtract(g1,g2,dst);

矩阵归一化normalize

归一化就是要把需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内,分为范围归一化与数据值归一化:

函数原型

void cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())

参数说明:
alpha : 1,用来规范值,或者规范范围,并且是下限

beta : 只用来规范范围并且是上限;
norm_type : 归一化选择的数学公式类型;
dtype : 当为负,输出的大小深度通道数都等于输入,当为正,
输出只在深 度与输入不同,不同的地方由dtype决定;
mark : 掩码。选择感兴趣区域,选定后只能对该区域进行操作。

normal_type有以下几种
NORM_L1,NORM_INF,NORM_L2,NORM_MINMAX(有用)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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