基于OpenCv的图像金字塔

2024-05-05 11:44
文章标签 图像 opencv 金字塔

本文主要是介绍基于OpenCv的图像金字塔，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！

⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计3077字，阅读大概需要3分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

基于OpenCv的图像金字塔

  • 基于OpenCv的图像金字塔
    • 任务需求
    • 任务目标
      • 1、掌握图像高斯金字塔
      • 2、掌握图像拉普拉斯金字塔
      • 3、掌握图像使用拉普拉斯金字塔进行图像融合
    • 任务环境
      • 1、jupyter开发环境
      • 2、OpenCv
      • 3、python3.6
    • 任务实施过程
      • 一、高斯金字塔
        • 1.高斯金字塔：向下采样方法（缩小）
        • 2.高斯金字塔：向上采样方法（放大）
        • 3.将图像下采样后上采样与原图对比
      • 二、拉普拉斯金字塔
      • 三、图像融合
        • 1.读入两幅图像，苹果和橘子
        • 2.构建苹果和橘子的高斯金字塔（5 层）
        • 3.根据高斯金字塔计算拉普拉斯金字塔
        • 4.在拉普拉斯的每一层进行图像融合（苹果的左边与橘子的右边融合）
        • 5.根据融合后的图像金字塔重建原始图像。
      • 四、任务小结
  • 说明

基于OpenCv的图像金字塔

任务需求

一般情况下，我们要处理是一幅具有固定分辨率的图像。但是特别情况下我们需要对同一个图像的不同分辨率的子图像进行处理，所以我们需要创建一组图像，这些图像是具有不同分辨率的原始图像。我们把这组图像叫做图像金字塔。

在这里插入图片描述
图像金字塔主要解决图像分析尺度问题的，许多图像分析任务，包括超分辨、目标检测等等都是一种很重要的手段。例如在目标检测领域，图像中的物体通常很可能是远近不一，大小不一的，可以利用金字塔来检测不同尺度下的物体。

在这里插入图片描述

金字塔的另一种应用是图像融合。

在这里插入图片描述

任务目标

1、掌握图像高斯金字塔

2、掌握图像拉普拉斯金字塔

3、掌握图像使用拉普拉斯金字塔进行图像融合

任务环境

1、jupyter开发环境

2、OpenCv

3、python3.6

任务实施过程

一、高斯金字塔

图像金字塔中的向上和向下采样分别通过OpenCV函数 pyrUp 和 pyrDown 实现。

  • 对图像向上采样：cv2.pyrUp(img)
  • 对图像向下采样：pyrDown(img)
1.高斯金字塔：向下采样方法（缩小）
import cv2 # 导入opencv
import matplotlib.pyplot as plt # 导入绘图模块
import numpy as np # 导入numpy库
from utils import im_show # 导入显示图像函数
# 绘制图像直接展示，不用调用plt.show()
%matplotlib inline 
# 用来正常显示中文标签
plt.rc('font',family="SimHei")
# 读取图像，显示图像并查看原始图像尺寸
kenan = cv2.imread(r'./experiment/data/kenan.jpg')
print('原图像尺寸：',kenan.shape)
im_show('原图像',kenan)

在这里插入图片描述

# 高斯金字塔：向下采样
down=cv2.pyrDown(kenan)
print('图像向下采样后尺寸：',down.shape)
im_show('原图像向下采样',down)

在这里插入图片描述

2.高斯金字塔：向上采样方法（放大）
# 高斯金字塔：向上采样
up=cv2.pyrUp(kenan)
print('图像向上采样后尺寸：',up.shape)
im_show('原图像向上采样',up)

在这里插入图片描述

3.将图像下采样后上采样与原图对比
# 先将图像下采样两次
down1=cv2.pyrDown(kenan)
down2=cv2.pyrDown(down1)
# 再将得到的下采样图像上采样两次
up1=cv2.pyrUp(down2)
up2=cv2.pyrUp(up1)
plt.figure(figsize=(10,6))
im_show('原图像与图像下采样、上采样后图像对比',np.hstack((kenan,up2)))

在这里插入图片描述

将图像先下采样（缩小图像）再上采样（放大图像），在这个过程中也因此丢失了一些信息。得到的图像有些失真。

二、拉普拉斯金字塔

拉普拉斯金字塔是通过原图像减去先缩小后再放大的图像的一系列图像构成的。

# 先将图像下采样，再将图像上采样
down3=cv2.pyrDown(kenan)
down_up=cv2.pyrUp(down3)
# 拉普拉斯金字塔图像
l_1=kenan-down_up
plt.figure(figsize=(10,6))
im_show('原图像与拉普拉斯金字塔图像',np.hstack((kenan,l_1)))

在这里插入图片描述

三、图像融合

图像金字塔的一个典型应用是图像融合。
图像融合的目的就是使两幅图像的重叠区域过渡自然且平滑。但是由于连接区域图像像素的不连续性，直接将两幅图像拼接的效果看起来会很差。图像拉普拉斯金字塔可以不同图像的特征与细节融合在一起，实现无缝连接。

1.读入两幅图像，苹果和橘子
apple = cv2.imread(r'./experiment/data/apple.jpg')
orange = cv2.imread(r'./experiment/data/orange.jpg')
plt.figure(figsize=(10,6))
im_show('待融合图片',np.hstack((apple,orange)))

在这里插入图片描述

2.构建苹果和橘子的高斯金字塔（5 层）
# 为苹果生成高斯金字塔
G1 = apple.copy()
gpA = [G1]
plt.figure(figsize=(10,6))
# 创建一个2行3列子图，子图标签分别表示图像金字塔层数
plt.subplot(2,3,1)
im_show('0',apple)
for i in range(5):plt.subplot(2,3,i+2)G1 = cv2.pyrDown(G1)im_show(i+1,G1)gpA.append(G1)

在这里插入图片描述

# 为橘子生成高斯金字塔
G2 = orange.copy()
gpB = [G2]
plt.figure(figsize=(10,6))
# 创建一个2行3列子图，子图标签分别表示图像金字塔层数
plt.subplot(2,3,1)
im_show('0',orange)
for i in range(5):plt.subplot(2,3,i+2)G2 = cv2.pyrDown(G2)im_show(i+1,G2)gpB.append(G2)

在这里插入图片描述

3.根据高斯金字塔计算拉普拉斯金字塔
# 为苹果生成拉普拉斯金字塔
# lpA/lpB存储的是金字塔一上一下之间的“信息差”
# cv2.subtract(src1, src2)表示图像减法src1-src2
lpA = [gpA[5]]
plt.figure(figsize=(10,6))
plt.subplot(2,3,6)
im_show('5',gpA[5])
for i in range(5,0,-1):# 先将其上采样GE = cv2.pyrUp(gpA[i])# 将高斯上一层的图像减去高斯下一层图像上采样的结果L = cv2.subtract(gpA[i-1],GE)plt.subplot(2,3,i)im_show(i-1,L)lpA.append(L)

在这里插入图片描述

# 为橘子生成拉普拉斯金字塔
lpB = [gpB[5]]
plt.figure(figsize=(10,6))
plt.subplot(2,3,6)
im_show('5',gpB[5])
for i in range(5,0,-1):GE = cv2.pyrUp(gpB[i])L = cv2.subtract(gpB[i-1],GE)plt.subplot(2,3,i)im_show(i-1,L)lpB.append(L)

在这里插入图片描述

拉普拉斯金字塔的每一层的含义是，高斯金字塔每一层缩小后又放大到原尺寸所丢失的信息。

4.在拉普拉斯的每一层进行图像融合（苹果的左边与橘子的右边融合）
# 现在在每个级别中添加左右一半的图像
# 不补充“信息差”的情况下，直接hstack金字塔每一层
LS = []
i=1
plt.figure(figsize=(10,6))
for la,lb in zip(lpA,lpB):# 获得每一层图像的大小rows,cols,dpt = la.shape# 使用np.hstack()将图像进行水平拼接ls = np.hstack((la[:,0:int(cols/2)], lb[:,int(cols/2):]))plt.subplot(2,3,7-i)im_show(6-i,ls)i+=1LS.append(ls)

在这里插入图片描述

5.根据融合后的图像金字塔重建原始图像。
# 现在重建
# 逐层补充每一层的“信息差”并Up起来
# LS是融合后的拉普拉斯图像，0-5从小到大
ls_ = LS[0]
plt.figure(figsize=(10,6))
plt.subplot(2,3,6)
im_show('5',ls_)
for i in range(1,6):# 由最低分辨率图像向上采样ls_ = cv2.pyrUp(ls_) # 将采样后的图片与同层的拉普拉斯金字塔图像相加ls_ = cv2.add(ls_, LS[i])plt.subplot(2,3,6-i)im_show(5-i,ls_)

在这里插入图片描述

融合时的图像ls_的变化过程：第一幅图放大一次后，和对应的拉普拉斯层的图像相加（把丢失的信息加回来），得到第二幅图。第二幅图再放大，和对应拉普拉斯层相加。依次类推。

# 图像金字塔融合和图像直接连接对比
# 图像各半边直接连接
real = np.hstack((apple[:,:int(cols/2)],orange[:,int(cols/2):]))
plt.figure(figsize=(10,6))
im_show('图像金字塔融合与图像直接连接对比',np.hstack((ls_,real)))

在这里插入图片描述

四、任务小结

本次实验主要完成基于拉普拉斯金字塔的图像无缝融合任务，任务首先生成高斯金字塔，然后根据生成的高斯金字塔生成拉普拉斯金字塔，再将拉普拉斯的每一层进行图像融合，根据融合后的图像金字塔重建原始图像。

–end–

说明

本实验（项目）/论文若有需要，请后台私信或【文末】个人微信公众号联系我

这篇关于基于OpenCv的图像金字塔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/961639。

相关文章

基于人工智能的图像分类系统

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务，目标是自动识别图像中的对象类别。通过卷积神经网络（CNN）等深度学习技术，我们可以构建高效的图像分类系统，广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统，包括环境
阅读更多...
使用opencv优化图片（画面变清晰）

使用opencv优化图片（画面变清晰）

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化，使其看起来更清晰，同时保持尺寸不变，通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多，主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器：相机传
阅读更多...
opencv 滚动条

opencv 滚动条

参数介绍:createTrackbar( trackbarname , "hello" , &alpha_slider ,alpha_max ,  on_trackbar )  ;在标签中显示的文字（提示滑动条的用途） TrackbarName创建的滑动条要放置窗体的名字 “hello”滑动条的取值范围从 0 到 alpha_max (最小值只能为 zero).滑动后的值存放在
阅读更多...
android-opencv-jni

android-opencv-jni

//------------------start opencv--------------------@Override public void onResume(){ super.onResume(); //通过OpenCV引擎服务加载并初始化OpenCV类库，所谓OpenCV引擎服务即是 //OpenCV_2.4.3.2_Manager_2.4_*.apk程序包，存
阅读更多...
OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

OpenCV结构分析与形状描述符（11）椭圆拟合函数fitEllipse()的使用

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C++11 算法描述 围绕一组2D点拟合一个椭圆。 该函数计算出一个椭圆，该椭圆在最小二乘意义上最好地拟合一组2D点。它返回一个内切椭圆的旋转矩形。使用了由[90]描述的第一个算法。开发者应该注意，由于数据点靠近包含的 Mat 元素的边界，返回的椭圆/旋转矩形数据
阅读更多...
树莓派5_opencv笔记27：Opencv录制视频（无声音）

树莓派5_opencv笔记27：Opencv录制视频（无声音）

今日继续学习树莓派5 8G：（Raspberry Pi，简称RPi或RasPi）  本人所用树莓派5 装载的系统与版本如下:  版本可用命令 (lsb_release -a) 查询: Opencv 与 python 版本如下： 今天就水一篇文章，用树莓派摄像头，Opencv录制一段视频保存在指定目录... 文章提供测试代码讲解，整体代码贴出、测试效果图 目录 阶段一：录制一段
阅读更多...
Verybot之OpenCV应用三：色标跟踪

Verybot之OpenCV应用三：色标跟踪

下面的这个应用主要完成的是Verybot跟踪色标的功能，识别部分还是居于OpenCV编写，色标跟踪一般需要将图像的颜色模式进行转换，将RGB转换为HSV，因为对HSV格式下的图像进行识别时受光线的影响比较小，但是也有采用RGB模式来进行识别的情况，这种情况一般光线条件比较固定，背景跟识别物在颜色上很容易区分出来。         下面这个程序的流程大致是这样的：
阅读更多...
Verybot之OpenCV应用二：霍夫变换查找圆

Verybot之OpenCV应用二：霍夫变换查找圆

其实我是想通过这个程序来测试一下，OpenCV在Verybot上跑得怎么样，霍夫变换的原理就不多说了，下面是程序： #include "cv.h"#include "highgui.h"#include "stdio.h"int main(int argc, char** argv){cvNamedWindow("vedio",0);CvCapture* capture;i
阅读更多...
Verybot之OpenCV应用一：安装与图像采集测试

Verybot之OpenCV应用一：安装与图像采集测试

在Verybot上安装OpenCV是很简单的，只需要执行：         sudo apt-get update         sudo apt-get install libopencv-dev         sudo apt-get install python-opencv         下面就对安装好的OpenCV进行一下测试，编写一个通过USB摄像头采
阅读更多...
虚拟机ubuntu配置opencv和opencv_contrib

虚拟机ubuntu配置opencv和opencv_contrib

前期准备  1.下载opencv和opencv_contrib源码 opencv-4.6.0：https://opencv.org/releases/ opencv_contrib-4.6.0：https://github.com/opencv/opencv_contrib 在ubuntu直接下载或者在window上下好传到虚拟机里都可以 自己找个地方把他们解压，个人习惯在home下新建一
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2