OpenCV图像处理技术（Python）——图像金字塔
发布时间
阅读量：
阅读量
© Fu Xianjun. All Rights Reserved.
一、理论基础
图像金字塔是同一图像不同分辨率的子图集合，是通过对原图像不断地向下采样而产生的，即由高分变率的图像（大尺寸）产生低分辨率的近似图像（小尺寸）。
· 邻域滤波器： 采用邻域平均技术求原始图像的近似图像。该滤波器能够产生平均金字塔。
· 高斯滤波器： 采用高斯滤波器对原始图像进行滤波，得到高斯金字塔。这是OpenCV函数cv2.pyrDown()所采用的方式。
二、图像金字塔
1.高斯金字塔构建
1.1pyrDown函数及使用
·作用 ：用于实现图像函数高斯金字塔操作中的向下采样。
·语法格式 ：
dst=cv2.pyrDown(scr[,dstsize[,borderType]])
1.2pyrUp函数及使用
·作用： 用于实现图像函数高斯金字塔操作中的向上采样。
·语法格式 ：
dst=cv2.pyrUp(scr[,dstsize[,borderType]])
代码如下：
import cv2
import numpy as np #高斯金字塔
def pyramid_demo(image,level):
temp = image.copy()
pyramid_images = []
for i in range(level):
dst = cv2.pyrDown(temp)
pyramid_images.append(dst)
cv2.imshow("pyramid_down_"+str(i), dst)
temp = dst.copy()
return pyramid_images[level-1] src = cv2.imread("lena.jpg")
cv2.imshow("input image", src)
pyramid_demo(src,4)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下：
2.拉普拉斯金字塔构建
2.1拉普拉斯金字
代码如下：
# 拉普拉斯金字塔构建
G0 = cv2.imread("lena.bmp")
cv2.imshow("input image",G0)
G1=cv2.pyrDown(G0)
G2=cv2.pyrDown(G1)
G3=cv2.pyrDown(G2)
G4=cv2.pyrDown(G3)
L0 = cv2.subtract(G0,cv2.pyrUp(G1))
L1 = cv2.subtract(G1,cv2.pyrUp(G2))
L2 = cv2.subtract(G2,cv2.pyrUp(G3))
L3 = cv2.subtract(G3,cv2.pyrUp(G4))
cv2.imshow("G1",G1)
cv2.imshow("G2",G2)
cv2.imshow("G3",G3)
cv2.imshow("G4",G4)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下：
2.2使用拉普拉斯金字塔恢复高分辨图片
代码如下：
# 使用拉普拉斯金字塔恢复高分辨图片
l3=cv2.pyrUp(G4)
l2=cv2.pyrUp(l3)
l1=cv2.pyrUp(l2)
l0=cv2.pyrUp(l1)
G00=L0+cv2.pyrUp(G1)
cv2.imshow("l0",l0)
cv2.imshow("G00",G00)
cv2.imshow("input image",G0)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下：
3.金字塔的应用
代码如下：
```c
import cv2
import numpy as np
A = cv2.imread('apple.png')
A = cv2.resize(A,(256,256),interpolation=cv2.INTER_CUBIC)
B = cv2.imread('orange.png')
B = cv2.resize(B,(256,256),interpolation=cv2.INTER_CUBIC)
# 生成高斯金字塔
G = A.copy()
gpA = [G]
for i in range(5):
G = cv2.pyrDown(G)
gpA.append(G)
G = B.copy()
gpB = [G]
for i in range(5):
G = cv2.pyrDown(G)
gpB.append(G)
# 产生Laplacian金字塔
lpA = [gpA[5]]
for i in range(5,0,-1):
GE = cv2.pyrUp(gpA[i])
L = cv2.subtract(gpA[i-1],GE)
lpA.append(L)
lpB = [gpB[5]]
for i in range(5,0,-1):
GE = cv2.pyrUp(gpB[i])
L = cv2.subtract(gpB[i-1],GE)
lpB.append(L)
# 合并
LS = []
for la,lb in zip(lpA,lpB):
rows,cols,dpt = la.shape
ls = np.hstack((la[:,0:cols//2], lb[:,cols//2:]))
LS.append(ls)
# 重新构建图像
ls_ = LS[0]
for i in range(1,6):
ls_ = cv2.pyrUp(ls_)
ls_ = cv2.add(ls_, LS[i])
# 连接
real = np.hstack((A[:,:cols//2],B[:,cols//2:]))
cv2.imshow("apple",A)
cv2.imshow("orange",B)
cv2.imshow("LS",ls_)
cv2.imshow("Real",real)
cv2.waitKey()
cv2.destroyAllWindows()结果如下：
4.ROI的了解
代码如下：
import cv2
src=cv2.imread("lena.jpg")
cv2.imshow("first_image", src)
face = src[100:200, 100:200] #选择200:300行、200:400列区域作为截取对象
gray = cv2.cvtColor(face, cv2.COLOR_RGB2GRAY) #生成的的灰度图是单通道图像
backface = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR) #将单通道图像转换为三通道RGB灰度图，因为只有三通道的backface才可以赋给三通道的src
src[100:200, 100:200] = backface
cv2.imshow("face", src)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下：
代码如下：
import cv2
lena=cv2.imread("lena.jpg")
src=lena.copy()
h,w=src.shape[:2]
h1=h//40
for i in range(0,44,2):
roi=src[i*h1:(i+1)*h1,0:w]
gray = cv2.cvtColor(roi, cv2.COLOR_RGB2GRAY)
backface = cv2.cvtColor(gray, cv2.COLOR_GRAY2BGR)
src[i*h1:(i+1)*h1,0:w] = backface
cv2.imshow("inputface", lena)
cv2.imshow("face", src)
cv2.waitKey(0)
cv2.destroyAllWindows()结果如下：
5.泛洪填充
代码如下：
import cv2 as cv
import numpy as np
# 彩色图像填充
def fill_color_demo(src,seedx,seedy):
img_copy = src.copy()
h, w, ch = src.shape
mask = np.zeros([h+2, w+2], np.uint8)
cv.floodFill(img_copy, mask, (seedx, seedy), (0, 255, 0),(50, 50, 50), (100, 100, 100), cv.FLOODFILL_FIXED_RANGE)
cv.imshow("color_demo", img_copy)
src = cv.imread('AM.png')
fill_color_demo(src,140,140)
cv.waitKey()
cv.destroyAllWindows()结果如下：
三、总结
图像金字塔主要是通过它的上采样及下采样完成的，主要使用的函数为cv2.pyrDown()和cv2.pyrUp()。
全部评论 (0)
还没有任何评论哟~