opencv-图像金字塔

图像金字塔是一种图像处理技术,它通过不断降低图像的分辨率,形成一系列图像 。金字塔分为两种类型:高斯金字塔和拉普拉斯金字塔

  1. 高斯金字塔(Gaussian Pyramid):

高斯金字塔是通过使用高斯滤波和降采样(缩小)操作构建的 。每一层的图像都是前一层图像的一部分。在OpenCV中,可以使用cv2.pyrDown()cv2.pyrUp() 函数构建高斯金字塔。

  • cv2.pyrDown(src[, dst[, dstsize[, borderType]]]): 通过高斯内核进行降采样,缩小图像。
  • cv2.pyrUp(src[, dst[, dstsize[, borderType]]]): 通过插值进行升采样,放大图像。

示例代码:

python 复制代码
import cv2

# 读取图像
img = cv2.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")

# 构建高斯金字塔
layer = img.copy()
gaussian_pyramid = [layer]

for i in range(6):
    layer = cv2.pyrDown(layer)
    gaussian_pyramid.append(layer)

# 显示原始图像和金字塔图像
cv2.imshow('Original Image', img)

for i in range(6):
    cv2.imshow(f'Layer {i+1}', gaussian_pyramid[i])

# 等待用户按下任意键
cv2.waitKey(0)
cv2.destroyAllWindows()
  1. 拉普拉斯金字塔(Laplacian Pyramid):

拉普拉斯金字塔是由高斯金字塔构建而来的,每一层都是其高斯金字塔层与其扩展(上采样)版本的差。在OpenCV中,可以使用cv2.subtract() 函数构建拉普拉斯金字塔。

示例代码:

python 复制代码
 
import cv2

# 读取图像
img = cv2.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")
# 构建高斯金字塔
layer = img.copy()
gaussian_pyramid = [layer]

for i in range(6):
    layer = cv2.pyrDown(layer)
    gaussian_pyramid.append(layer)

# 构建拉普拉斯金字塔
laplacian_pyramid = [gaussian_pyramid[5]]

for i in range(5, 0, -1):
    gaussian_expanded = cv2.pyrUp(gaussian_pyramid[i])

    # Ensure the sizes match before subtraction
    if gaussian_pyramid[i-1].shape[:2] == gaussian_expanded.shape[:2]:
        laplacian = cv2.subtract(gaussian_pyramid[i-1], gaussian_expanded)
        laplacian_pyramid.append(laplacian)
    else:
        print(f"Size mismatch in level {i}.")
        break

# 显示原始图像、高斯金字塔和拉普拉斯金字塔
cv2.imshow('Original Image', img)

for i in range(min(6, len(laplacian_pyramid))):  # Ensure loop doesn't go out of range
    cv2.imshow(f'Laplacian Layer {i}', laplacian_pyramid[i])

# 等待用户按下任意键
cv2.waitKey(0)
cv2.destroyAllWindows()

这里构建了一个6层的高斯金字塔,然后使用高斯金字塔构建拉普拉斯金字塔。拉普拉斯金字塔的每一层都包含了对应层高斯金字塔的细节信息。金字塔的构建在图像处理中常用于图像融合、图像金字塔匹配等应用。

相关推荐
说私域8 分钟前
互联网生态下赢家群体的崛起与“开源AI智能名片链动2+1模式S2B2C商城小程序“的赋能效应
人工智能·小程序·开源
董厂长4 小时前
langchain :记忆组件混淆概念澄清 & 创建Conversational ReAct后显示指定 记忆组件
人工智能·深度学习·langchain·llm
G皮T7 小时前
【人工智能】ChatGPT、DeepSeek-R1、DeepSeek-V3 辨析
人工智能·chatgpt·llm·大语言模型·deepseek·deepseek-v3·deepseek-r1
九年义务漏网鲨鱼7 小时前
【大模型学习 | MINIGPT-4原理】
人工智能·深度学习·学习·语言模型·多模态
元宇宙时间7 小时前
Playfun即将开启大型Web3线上活动,打造沉浸式GameFi体验生态
人工智能·去中心化·区块链
开发者工具分享7 小时前
文本音频违规识别工具排行榜(12选)
人工智能·音视频
产品经理独孤虾8 小时前
人工智能大模型如何助力电商产品经理打造高效的商品工业属性画像
人工智能·机器学习·ai·大模型·产品经理·商品画像·商品工业属性
老任与码8 小时前
Spring AI Alibaba(1)——基本使用
java·人工智能·后端·springaialibaba
蹦蹦跳跳真可爱5898 小时前
Python----OpenCV(图像増强——高通滤波(索贝尔算子、沙尔算子、拉普拉斯算子),图像浮雕与特效处理)
人工智能·python·opencv·计算机视觉
雷羿 LexChien8 小时前
从 Prompt 管理到人格稳定:探索 Cursor AI 编辑器如何赋能 Prompt 工程与人格风格设计(上)
人工智能·python·llm·编辑器·prompt