残差金字塔实现

2024-06-13 19:58
文章标签 实现 残差 金字塔

本文主要是介绍残差金字塔实现,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

  本篇是对残差金字塔实现的笔记。

基本原理

  简单理解,它就是预测图像和原始图像之间的差值。

图像金字塔

  首先我们知道,图像金字塔的实现,就是对原图像进行采样,获得低分辨率的新图像。接着对新图像继续采样,或者更低分辨率的下一张图像。依次不断迭代,进而最后得到一张最低分辨率的采样图像,依次往下,分辨率逐渐加大直到原图。如下图所示:


残差金字塔

  在进行图像金子塔采样时候,一般会先对原图像做一次高斯之类的滤波。然后获得新图像的width和height都为原图像的1/2。接着将新图像放大为原图像的相同size。原图像减去新图像的差值就得到当前的残差图像,依次迭代下去,便得到对应的残差金字塔。本例的效果图如下:
    注意,图像直方图的最小图没有对应的残差图,将最小图的width和height都放大一倍之后,和对应的残差图相加。接着继续往前面迭代,直到迭代完所有残差图像之后,变复原了原图像。

具体范例

  这里是一个先生成残差金字塔,接着再利用该残差金字塔复原回原图像的例子。

总体框架


src1[0] = imread(argv[1]);
width[0] = src1[0].rows;
height[0] = src1[0].cols;getPyramid();
picRecover();

  打开原图像保存在src1[0]中,接着调用getPyramid来生成残差金字塔。最后函数picRecover来复原图像。

残差金字塔生成


Mat mySub(Mat src1, Mat src2){IplImage ip1, ip2, ip3;  CvScalar s1, s2; Mat dst;int i, j;dst = Mat(src1.rows, src1.cols, CV_32FC3);ip1 = src1;ip2 = src2;ip3 = dst;for(i=0; i<src1.cols; i++){for(j=0; j<src1.rows; j++){s1 = cvGet2D(&ip1, j, i);s2 = cvGet2D(&ip2, j, i);s1.val[0] = s1.val[0] - s2.val[0];s1.val[1] = s1.val[1] - s2.val[1];s1.val[2] = s1.val[2] - s2.val[2];cvSet2D(&ip3, j, i, s1);}}return dst;
}
void getPyramid(void){GaussianBlur(src1[0], dst[0], Size(g_nGaussianBlurValue*2+1,g_nGaussianBlurValue*2+1), 0, 0);width[1]  = width[0] / 2;height[1] = height[0] / 2;resize(dst[0], src1[1], Size(height[1], width[1]));resize(src1[1], tmp, Size(height[0], width[0]));mask[0] = mySub(src1[0], tmp);GaussianBlur(src1[1], dst[1], Size(g_nGaussianBlurValue*2+1,g_nGaussianBlurValue*2+1), 0, 0);width[2]  = width[1] / 2;height[2] = height[1] / 2;resize(dst[1], src1[2], Size(height[2], width[2]));resize(src1[2], tmp, Size(height[1], width[1]));mask[1] = mySub(src1[1], tmp);GaussianBlur(src1[2], dst[2], Size(g_nGaussianBlurValue*2+1,g_nGaussianBlurValue*2+1), 0, 0);width[3]  = width[2] / 2;height[3] = height[2] / 2;resize(dst[2], src1[3], Size(height[3], width[3]));resize(src1[3], tmp, Size(height[2], width[2]));mask[2] = mySub(src1[2], tmp);
}

  1、首先将原图像进行高斯滤波,结果保存到dst[0]中;将dst[0]进行缩放,存储到src1[1]中;src1[1]图像放大回原图像的size,存储到tmp中;用原图像src[0] - tmp,获取到第一级的残差图像。注意这里默认的图像格式是CV_8UC3,所以不能够用它们直接相减,否则如果相减的像素结果为负数时候,将会被默认存储为0,导致最后的残差金字塔无法正常的复原图像。
  2.重复迭代上面的操作2次,最后获得对应的4层图像金字塔,存储到src1数组中,3层残差金字塔图像,存储到mask数组中。

原始图像复原


Mat myAdd(Mat src1, Mat src2){IplImage ip1, ip2, ip3;  CvScalar s1, s2; int i, j;Mat dst;src1.copyTo(dst);ip1 = src1;ip2 = src2;ip3 = dst;for(i=0; i<src1.cols; i++){for(j=0; j<src1.rows; j++){s1 = cvGet2D(&ip1, j, i);s2 = cvGet2D(&ip2, j, i);s1.val[0] = s1.val[0] + s2.val[0];s1.val[1] = s1.val[1] + s2.val[1];s1.val[2] = s1.val[2] + s2.val[2];cvSet2D(&ip3, j, i, s1);}}return dst;
}void picRecover(void){resize(src1[3], tmp, Size(height[2], width[2]));dst[2] = myAdd(tmp, mask[2]);resize(dst[2], tmp, Size(height[1], width[1]));dst[1] = myAdd(tmp, mask[1]);resize(dst[1], tmp, Size(height[0], width[0]));dst[0] = myAdd(tmp, mask[0]);
}

  在函数picRecover中,就是利用图像金字塔src1和残差金字塔mask,来复原图像src1[0] 到dst[0]中。首先从图像金字塔最高层开始,将src1[3]放到到和src1[2]相同的size,存储到tmp中,接着将tmp和对已的残差图像mask[2]相加,结果存储到dst[2]中,这里dst[2]的图像就和src[2]的图像一致了。继续迭代下去,最终获得图像dst[0]的结果和原图像src1[0]中的图像相一致。

这篇关于残差金字塔实现的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1058282

相关文章

使用Sentinel自定义返回和实现区分来源方式

《使用Sentinel自定义返回和实现区分来源方式》:本文主要介绍使用Sentinel自定义返回和实现区分来源方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Sentinel自定义返回和实现区分来源1. 自定义错误返回2. 实现区分来源总结Sentinel自定

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

SpringBoot日志配置SLF4J和Logback的方法实现

《SpringBoot日志配置SLF4J和Logback的方法实现》日志记录是不可或缺的一部分,本文主要介绍了SpringBoot日志配置SLF4J和Logback的方法实现,文中通过示例代码介绍的非... 目录一、前言二、案例一:初识日志三、案例二:使用Lombok输出日志四、案例三:配置Logback一

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很