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
源码学社2 分钟前
[特殊字符] 字节跳动开源 DeerFlow:一个“深度研究型 AI Agent 框架”详解
人工智能
AINative软件工程4 分钟前
Structured Outputs 实战:让大模型稳定输出 JSON 的三种方案对比
人工智能
Entropy-Go6 分钟前
一图了解AI热门词汇 - OpenClaw/Prompt/Agent/Skill/MCP/LLM/GPU
人工智能·agent·skill·mcp·openclaw
惠惠软件7 分钟前
AI 龙虾 | 对学习工作的影响和未来前瞻
人工智能·学习
是糖糖啊9 分钟前
Agent 不好用?先别怪模型,试试 Harness Engineering
人工智能·设计模式
X在敲AI代码9 分钟前
女娲补天系列--深度学习
人工智能·深度学习
AI精钢12 分钟前
从 Prompt Engineering 到 Harness Engineering:AI 系统竞争,正在从“会写提示词”转向“会搭执行框架”
人工智能·prompt·devops·ai agent·ai engineering
大灰狼来喽13 分钟前
OpenClaw 自动化工作流实战:用 Hooks + 定时任务 + Multi-MCP 构建“数字员工“
大数据·运维·人工智能·自动化·aigc·ai编程
盼小辉丶14 分钟前
PyTorch实战(38)——深度学习模型可解释性
人工智能·pytorch·深度学习
EnoYao16 分钟前
230行代码,零依赖,我用一个文件造了一个AI Agent
前端·人工智能