python生成金字塔-简书,python图像处理实战 豆瓣
本文主要介绍图像处理中的图像金字塔，包括图像的上采样和下采样。文章中的示例代码解释得很详细，感兴趣的朋友可以向边肖学习。
00-1010一、形象金字塔原理二。图像上采样III。图像缩减采样IV。摘要
目录
上一篇文章中解释的图像采样过程可以减小图像的大小。本文将补充图像金字塔的知识，了解专门用于图像上采样和下采样的pyrUp()和pyrDown()函数。
金字塔是指一组不同分辨率的子图像，是图像的一种多尺度表达。它用多分辨率来解释图像的结构，主要用于图像分割或压缩。图像的金字塔是一系列呈金字塔形状排列的图像，其分辨率逐渐降低，且来自同一幅原始图像。如图10-1所示，它包括四层图像，与金字塔相比较。金字塔可以通过逐步向下采样来获得，并且直到达到某个终止条件才停止采样。在下采样中，级别越高，图像越小，分辨率越低[1-2]。
有两种方法可以生成影像金字塔：
下采样上采样在图中，图像G0转换为G1、G2、G3，图像分辨率递减的过程称为下采样；将G3转换为G2、G1、G0并提高图像分辨率的过程称为上采样。
一.图像金字塔原理
向上采样图像是一个连续再现小图像的过程。它将图像在各个方向上放大到原图像的2倍，用0填充新的行和列，将与“下采样”相同的卷积核乘以4，然后与放大后的图像进行卷积运算，得到“新增像素”的新值。如图10-2所示，它在原始像素45、123、89和149之间添加了一行和一列值为0的像素。
在OpenCV中，用于上采样的函数是pyrUp()，其原型如下：
dst=pyrap(src[，dst[，dstsize[，borderType]])
src代表输入图像，
DST表示输出图像，其大小和类型与输入图像相同。
dst Size表示输出图像的大小，默认值为Size()
border type表示像素外推方法。详见cv:bordertypes。
向上采样的代码如下：
# -*-编码： utf-8 -*-
# By:伊斯特蒙特
导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
#阅读原文图片
img=cv2.imread(lena-small.png )
#图像上采样
r=cv2 . pyrap(img)
#显示图像
cv2.imshow(原始，img)
cv2.imshow(PyrUp ，r)
cv2.waitKey()
cv2.destroyAllWindows()
输出如图10-3所示，它将原始图像放大了四倍。
多重上采样的代码如下。
# -*-编码： utf-8 -*-
# By:伊斯特蒙特
导入cv2
将numpy作为np导入
将matplotlib.pyplot作为plt导入
#阅读原文图片
img=cv2.imread(lena-small.png )
#图像上采样
R1=cv2 . pyrap(img)
R2=cv2 . pyrap(R1)
R3=cv2 . pyrap(R2)
#显示图像
cv2.imshow(原始，img)
cv2.imshow(丙酮酸1 ，r1)
cv2 . im show( pyrop 2 ，r2)
cv2 . im show( pyrop 3 ，r3)
cv2.waitKey()
cv2.destroyAllWindows()
输出结果如图10-4所示。每次上采样都是前一幅图像的四倍，但是图像的清晰度会降低。
二.图像向上取样
在图像缩减像素采样中，大多数
多的是高斯金字塔。它将对图像Gi进行高斯核卷积，并删除原图中所有的偶数行和列，最终缩小图像。其中，高斯核卷积运算就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值（权重不同）经过加权平均后得到。常见的3×3和5×5高斯核如下：
高斯核卷积让临近中心的像素点具有更高的重要度，对周围像素计算加权平均值，如图10-5所示，其中心位置权重最高为0.4。
在OpenCV中，向下取样使用的函数为pyrDown()，其原型如下所示：
dst = pyrDown(src[, dst[, dstsize[, borderType]]])
– src表示输入图像，
– dst表示输出图像，和输入图像具有一样的尺寸和类型
– dstsize表示输出图像的大小，默认值为Size()
– borderType表示像素外推方法，详见cv::bordertypes
向下取样的代码如下所示：
# -*- coding: utf-8 -*-# By：Eastmount
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread(nv.png)
#图像向下取样
r = cv2.pyrDown(img)
#显示图像
cv2.imshow(original, img)
cv2.imshow(PyrDown, r)
cv2.waitKey()
cv2.destroyAllWindows()
输出结果如图10-6所示，它将原始图像压缩成原图的四分之一。
多次向下取样的代码如下。
# -*- coding: utf-8 -*-# By：Eastmount
import cv2
import numpy as np
import matplotlib.pyplot as plt
#读取原始图像
img = cv2.imread(nv.png)
#图像向下取样
r1 = cv2.pyrDown(img)
r2 = cv2.pyrDown(r1)
r3 = cv2.pyrDown(r2)
#显示图像
cv2.imshow(original, img)
cv2.imshow(PyrDown1, r1)
cv2.imshow(PyrDown2, r2)
cv2.imshow(PyrDown3, r3)
cv2.waitKey()
cv2.destroyAllWindows()
输出结果如图10-7所示，每次向下取样均为上次的四分之一，并且图像的清晰度会降低。
四.总结
本文主要讲解图像金字塔处理，包括图像向上取样和向下取样。需要注意，向上取样放大后的图像比原始图像要模糊，而每次向下取样会删除偶数行和列，它会不停地丢失图像的信息。此外，向上采样和向下采样不是互逆的操作，经过两种操作后，是无法恢复原始图像的。
以上就是Python图像处理之图像金字塔详解的详细内容，更多关于Python图像金字塔的资料请关注盛行IT软件开发工作室其它相关文章！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。