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. 在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
志尊宝5 小时前
AI原生前端开发(009):AI辅助性能分析与优化建议
人工智能·react.js·ai-native
KeyAction66665 小时前
第二届中国国际人工智能+行动大会看点:智能体专场、算力账本与产品发布
人工智能·ai
johnsong5 小时前
AI前沿日报 2026-10-19:硅基心智觉醒
人工智能
紧跟先前的步伐5 小时前
Go AI Agent 实战 03|Token、上下文窗口与模型调用成本
java·人工智能·golang
xhyu615 小时前
【学习笔记】图像质量评估方法 (5.生成图像是否符合用户要求)
笔记·学习·计算机视觉
老金带你玩AI5 小时前
Taste Skill V2来了,AI做的网站还会一眼认出来吗?
人工智能
方方洛6 小时前
ai-agent教程-18-附录E-推荐阅读与资源
人工智能·llm·agent
const_qiu6 小时前
第四章 00:开篇 —— 从「会聊天」到「记得住、会干活、能协作」
java·开发语言·人工智能·python
石狮松松6 小时前
第 05 章 你的第一行"AI"代码:拟合一条直线
人工智能
用户360055579006 小时前
Kestrel_VLLM - 14 · router 两个方向判否,与 decode 的真瓶颈
人工智能