【Emgu.CV教程】5.3、几何变换之金字塔变换

这一段文字描述来自百度百科:

图像金字塔是图像多尺度表达的一种,是一种以多分辨率来解释图像的有效但概念简单的结构。一幅图像的图像金字塔是一系列以金字塔形状(自下而上)逐步降低,且来源于同一张原始图的图像分辨率集合。其通过梯次向下采样获得,直到达到某个终止条件才停止采样。我们将一层一层的图像比喻成金字塔,层级越高,则图像越小,分辨率越低。

下面的图片也来自百度百科,金字塔就是从塔尖开始一直到塔底,图像的尺寸从小到大一次变化。比如我正常的一张图片是在Level1上,那向上一级就是Level2,尺寸会线性变小;向下一级是Level0,尺寸会线性变大。

说白了图像金字塔就是对原始图像整体放大、缩小,而不改变长宽比例。这是一种图像处理的手段,让图像在不同尺寸下被分析,在机器学习里面,这个手段用的很多。可这跟今天介绍的Emgu.CV有什么关系呢???????其实在Emgu.CV里面,也有按照上面的思路进行图像整体缩放的两个函数, PyrDown()和PyrUp()。

1、下采样PyrDown()

cs 复制代码
public static void PyrDown(
    IInputArray src, // 输入图像
    IOutputArray dst, // 输出图像
    BorderType borderType = BorderType.Reflect101 // 边界类型,我也不知道有什么用
)

执行一次下采样,就是让图像的宽度、高度都缩小为原来的一半。这个和上面的金字塔图形是反着的:**金字塔越往下越大,Emgu.CV里面名字叫往下的函数,实际是缩小的。**以一张 哈士奇.jpg为例,原始图像宽557,高399,执行一次下采样的代码:

cs 复制代码
Mat dstMat = srcMat.Clone();
CvInvoke.PyrDown(srcMat, dstMat, BorderType.Default); // 下采样(缩小,长宽各变成原来的0.5倍)
CvInvoke.Imshow("Result Mat, " + dstMat.Size.ToString(), dstMat);

输出的目标图像是:

2、上采样PyrUp()

cs 复制代码
public static void PyrUp(
    IInputArray src, // 输入图像
    IOutputArray dst, // 输出图像
    BorderType borderType = BorderType.Reflect101 // 边界类型,我也不知道有什么用
)

执行一次上采样,就是让图像的宽度、高度都变成原来的2倍。还是以 哈士奇.jpg为例,原始图像宽557,高399,执行以下代码:

cs 复制代码
Mat dstMat = srcMat.Clone();
CvInvoke.PyrUp(srcMat, dstMat, BorderType.Default); // 下采样(缩小,长宽各变成原来的0.5倍)
CvInvoke.Imshow("Result Mat, " + dstMat.Size.ToString(), dstMat);

输出的目标图像是:

哈士奇.jpg的原始照片是这样的:

3、总结

  • 下采样PyrDown(),图像高度、宽度变成原来的0.5倍。
  • 上采样PyrUp() ,图像高度、宽度变成原来的2倍。

原创不易,请勿抄袭。共同进步,相互学习。

相关推荐
TEC_INO30 分钟前
Linux38:AT函数
人工智能·opencv·计算机视觉
bugcome_com7 小时前
C# 事件(Event)详解及实战示例
c#
MoRanzhi12038 小时前
pillow 图像合成、透明叠加与蒙版处理
python·计算机视觉·pillow·图片处理·图像合成·透明叠加·多图层叠加
CSharp精选营9 小时前
.NET命名之谜:它与C#纠缠20年的关系揭秘
c#·.net·dotnet·csharp
是五月吖9 小时前
【C#】SOLID原则
c#
就是有点傻9 小时前
如何使用简单的服务端去接收数据
c#
gaosushexiangji11 小时前
高速3D-DIC在凝灰岩干湿循环损伤演化研究中的应用
图像处理·计算机视觉
人工智能AI技术11 小时前
两会“人工智能+“风口已至:C#开发者用Semantic Kernel搭建企业级Agent的3个实战套路
人工智能·c#
八角Z11 小时前
AI价值跃迁的核心:输出责任转移与新兴工种的精准重塑
大数据·人工智能·科技·机器学习·计算机视觉·服务发现
fengfuyao98513 小时前
多幅图像拼接MATLAB实现
图像处理·计算机视觉·matlab