基于拉普拉斯金字塔的图像融合

仅为笔记,供自己使用。

  1. 读入两幅大小相同的图像 img1 img2;
  2. 构建 img1 img2的 高斯金字塔,层数根据需要设定(本实验为7层);
  3. 根据高斯金字塔和拉普拉斯金字塔的关系,推出拉普拉斯金字塔的Li(也为7层,第一层大小和原图相同);
  4. 两组拉普拉斯图层的每一层进行图像融合;
  5. 根据融合后的图像金字塔重建原始图像。

所谓"根据融合后的图像金字塔重建原始图像",指的是将小分辨率的图像上采样后用cv2.add算子和上一分辨率的图像"加和"。

另外由高斯金字塔构建拉普拉斯金字塔的时候也是使用cv2.subtract实现图像"相减"。

相关推荐
浩风祭月5 小时前
ChatGPT o3将在8月26日退出:Plus、Pro用户现在该迁移什么
人工智能·chatgpt·openai o3·模型迁移
布列瑟农的星空6 小时前
Milvus内部机制浅入浅出
人工智能·agent
东离与糖宝6 小时前
WorkBuddy记忆机制拆解:别再反复交代需求
人工智能
ZHOU_WUYI6 小时前
7. fastwam 模型 _predict_action_noise_with_cache部分
人工智能·pytorch·深度学习
测试者家园6 小时前
AI如何发现测试人员看不到的问题?
人工智能·职场和发展·agent·智能化测试·幻觉检测·行为漂移
WoooChi6 小时前
DailyTech-20260807
人工智能·科技·业界资讯
新知图书7 小时前
12.1 技术文档与表达优化
人工智能·ai助手·千问
华清远见成都中心7 小时前
卷积神经网络(CNN)为什么能够识别图像?
人工智能·深度学习·cnn
派拉软件7 小时前
派拉AIGS应用场景解析:在客户实际环境中,AI Agent如何做到“可控、可管、可审“
大数据·人工智能
创世宇图7 小时前
DeepSeek API涨价的技术归因与开发者成本优化实操
人工智能·deepseek