1.图像金字塔
(1)下采样
从G0 -> G1、G2、G3
- step01:对图像Gi进行高斯核卷积操作(高斯滤波)
- step02:删除所有的偶数行和列
cpp
void cv::pyrDown(
cv::Mat &imSrc, //输入图像
cv::Mat &imDst, //下采样后的输出图像
cv::Size size = cv::Size(), //imDst的尺寸,默认是输入图像的1、2
int borderType=4 //一般默认即可
);
(2)上采样
从G3 -> G2、G1、G0
- step01:将图像在每个方向上扩大为原图像的2倍,新增的行和列均用0来填充
- step02:使用与"向下取样"相同的卷积核乘以4,再与放大后的图像进行卷积运算
cpp
void cv::pyrUp(
cv::Mat &imSrc,
cv::Mat &imDst,
cv::Size size=cv::Size(), //默认位imSrc的2
int borderType = 4
);
2.高斯金字塔
(1)原理
高斯金字塔的构建就是迭代地对图像进行下采样,下采样的步骤如1中下采样的介绍
(2)How(如何构建高斯金字塔)
构建高斯金字塔函数如下(可直接使用):
cpp
/* @author @还下着雨ZG
* @brief 根据传入的图像构建它的高斯金字塔
* @param[in] imSrc, 输入的源图像
* @param[out] vPyrGaussian, 输出的图像金字塔
* @param[in] iLayer, 金字塔的层数
* @return int, 正数表示金字塔构建成功,负数表示金字塔构建失败
*/
int GetPyrGaussian(const cv::Mat &imSrc, std::vector<cv::Mat>& vPyrGaussian,int iLayer)
{
if (imSrc.empty())
return -1;
if (!vPyrGaussian.empty())
{
vPyrGaussian.clear();
}
if (iLayer <= 0)
return -2;
//下采样
vPyrGaussian.resize(iLayer);
cv::Mat imTmp;
for (int i = 0; i < iLayer; ++i)
{
if (i == 0)
vPyrGaussian[i] = imSrc;
else {
cv::pyrDown(vPyrGaussian[i-1], imTmp);
vPyrGaussian[i] = imTmp;
}
}
return 1;
}
3拉普拉斯图像金字塔
(1)What(什么是拉普拉斯图)
拉普拉斯图是基于高斯图的,拉普拉斯图的本质是残差,即第i层的高斯图 - 先缩小后放大的图;不明白可直接看下面构建拉普拉斯图像金字塔函数。
(2)How(如何构建拉普拉斯图像金字塔)
构建拉普拉是图像金字塔,可直接使用:
cpp
/* @author @还下着雨ZG
* @brief 基于高斯金字塔构建拉普拉斯金字塔
* @param[in] vPyrGaussian, 输入的高斯图像金字塔
* @param[out] vPyrLaplacian, 输出的拉普拉斯图像金字塔
* @return int, 正数表示金字塔构建成功,负数表示金字塔构建失败
*/
int GetPyrLaplacian(const std::vector<cv::Mat>& vPyrGaussian,std::vector<cv::Mat>& vPyrLaplacian)
{
/*对输入参数及其约束关系进行检查*/
if (vPyrGaussian.empty())
return -1;
if (!vPyrLaplacian.empty())
vPyrLaplacian.clear();
/*构建拉普拉斯金字塔*/
cv::Mat imLplTmp;
for (int i = 0; i < vPyrGaussian.size()-1; ++i)
{
cv::Mat imTmp(vPyrGaussian[i].size(), vPyrGaussian[i].type());
cv::pyrUp(vPyrGaussian[i + 1], imTmp);
imLplTmp = vPyrGaussian[i] - imTmp;
vPyrLaplacian.push_back(imLplTmp);
}
return 1;
}
(3)使用opencv自带的函数获取拉普拉斯图像
cpp
void cv::Laplacian(
cv::Mat &imSrc, //输入图像
cv::Mat &imLpl, //输出的拉普拉斯图像
int ddepth, //imLpl的数据格式
int ksize =1,
double scale=1, //拉普拉斯值的缩放值
double delta = 0, //偏置值
int borderType = BORDER_DEFAULT
);
(4)使用拉普拉斯金字塔恢复原图
cpp
cv::Mat imRead = cv::imread(strPth01);
std::vector<cv::Mat> vPyrGaussian;
std::vector<cv::Mat> vPyrLaplacian;
int iFlagGssn = GetPyrGaussian(imRead, vPyrGaussian, 3);
if (iFlagGssn < 0) return;
int iFlagLpl = GetPyrLaplacian(vPyrGaussian, vPyrLaplacian);
//利用拉普拉斯金字塔图进行图像复原
cv::Mat imMin = vPyrGaussian[vPyrGaussian.size() - 1];
for (int i = 0; i < vPyrLaplacian.size(); ++i)
{
if (i == 0)
{
cv::pyrUp(imMin, imMin);
imMin += vPyrLaplacian[vPyrLaplacian.size() - 1 - i];
}
else
{
cv::pyrUp(imMin, imMin);
imMin += vPyrLaplacian[vPyrLaplacian.size() - 1 - i];
}
}