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
Flynn Liang2 分钟前
Spring AI 2.0 深度解析:ChatClient、Advisor 链与 MCP——Java 工程师的 AI 落地最优解
java·人工智能·spring·大模型·架构设计·spring ai
Martina_032115 分钟前
AI生成3D模型一合并网格,材质就串色?用6步检查材质槽、UV与图集重映射
图像处理·人工智能·3d·材质·uv·游戏策划·1024程序员节
蓝鲨硬科技15 分钟前
Token之后,物理AI需要什么样的度量衡?
大数据·人工智能
人工智能AI技术18 分钟前
Agent架构新思路:多Agent正在过时,单循环Main Loop才是新方向
人工智能
GlobalInfo23 分钟前
管道检测机器人行业调查、市场规模、排名分析报告2026-2032
大数据·人工智能·机器人
johnsong28 分钟前
AI前沿日报 | 2026-11-03 — 基因突变:当AI开始重写神经网络
人工智能·深度学习·神经网络
AICoder码农王29 分钟前
AgentScope Java v2 第9课,Harness 总架构:13 个中间件从哪来
人工智能
FPGA小迷弟31 分钟前
FPGA 千兆以太网帧格式全解:从 IEEE 802.3 帧结构到 Verilog 收发实现
人工智能·5g·fpga开发·架构·硬件架构
kaixin_啊啊38 分钟前
【零基础学AI】第 23 章——用神经网络识别图片
人工智能·深度学习·神经网络