opencv图像金字塔之上采样、降采样、高斯不同、图像归一化_小言_互联网的博客

opencv图像金字塔之上采样、降采样、高斯不同、图像归一化

2019-10-17 09:39 489人阅读评论(0)

概述

高斯金字塔用来对图像进行降采样
拉普拉斯金字塔　用来重建一张图片(根据它的上层降采样图片)

高斯金字塔

高斯金字塔是从底向上，逐层降采样得到
降采样之后图像大小为原图像的四分之一，就是对原图像进行删除偶数行与列的操作，即可得到降采样之后的上一层图片
高斯金字塔生成分为两步
- 对当前层进行高斯模糊
- 删除当前层的偶数行、列

高斯不同(Different of Gaussian-DOG)

定义：就是把同一张图像在不同参数下做高斯模糊之后的结果相减，得到的输出图像，称为高斯不同(DOG)
高斯不同是图像的内在特征，在灰度图像增强，角点检测,图像边缘检测中经常用到

拉普拉斯金字塔

拉普拉斯金字塔是从上向下，逐层升采样得到
升采样之后图像大小为原图像的四倍，就是对原图像进行添加偶数行与列的操作，用０补充，卷积预测某些位置像素得到下一层图片
1/16*
$\left [ \begin{matrix} 1 & 4 & 6 & 4 & 1 \\ 4 & 16 & 24 & 16 & 4 \\ 6& 24 & 36 & 24 & 6 \\ 4 & 16 & 24 & 16 & 4 \\ 1 & 4 & 6 & 4 & 1 \end{matrix} \right]$

.	1	4	6	4	1
	4	16	24	16	4
1/16	6	24	36	24	6
	4	16	24	16	4
	1	4	6	4	1

采样相关API

降采样：

void pyrDown(InputArray src, OutputArray dst, const Size& dstsize=Size())
参数说明

tmp: 当前图像，初始化为原图像｀src｀。
dst: 目的图像,显示图像，为输入图像的1/4
Size(tmp.cols/2, tmp.rows/2): 目的图像大小，既然我们是向下采样，pyrDown期待一个于输入图像tmp的1/4大小。

上采样

void pyrUp(InputArray src, OutputArray dst, const Size& dstsize=Size())
参数说明：

tmp: 当前图像，初始化为原图像 src 。
dst: 目的图像,显示图像，为输入图像的两倍
**Size( tmp.cols2, tmp.rows2 ) **: 目的图像大小，既然我们是向上采样， pyrUp期待一个两倍于输入图像tmp的大小。

代码演示

#include <iostream>  
#include <fstream>
#include <opencv2/opencv.hpp>

#define Pic_Path "/home/image/Pictures/" 
#define Pic_Name "demo.jpg" 

using namespace std;
using namespace cv;
int main(int argc, char **argv)
{
    string pic = string(Pic_Path) + string(Pic_Name);
    cout << pic << endl;
    
    Mat src,downImage, upImage;
    src = imread(pic.c_str());
    imshow("src", src);

    //每次只能放大或缩小一倍，不能跳着放大
    pyrDown(src, downImage, Size(src.cols >> 1, src.rows >> 1)); //降采样 缩小
    pyrUp(src, upImage, Size(src.cols << 1, src.rows << 1));  //上采样 放大
    imshow("pryDown", downImage);
    imshow("pryUp", upImage);
    
    waitKey(0);
    return 0;
}

补充API

图像相减函数

cv::subtract(image1, image2, outimage);
参数介绍：

image1 被减数(输入图像１)
image2　减数(输入图像２)
outimage　差(差值图像)
其余参数　没有列出，选择默认即可

图像归一化函数

void cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())

参考链接：https://www.wandouip.com/t5i177048/
参考链接：https://blog.csdn.net/kuweicai/article/details/78988886

参数介绍：

src 输入图像；
dst 输出图像，图像的大小和原图像一致；
alpha 1,用来规范值，2.规范范围，并且是下限；
beta 只用来规范范围并且是上限；
norm_type 归一化选择的数学公式类型；
- NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化。
- NORM_INF: 归一化数组的（切比雪夫距离）L∞范数(绝对值的最大值)
- NORM_L1 : 归一化数组的（曼哈顿距离）L1-范数(绝对值的和)
- NORM_L2: 归一化数组的(欧几里德距离)L2-范数
dtype 当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同的地方游dtype决定；
mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作

$dst(r,c)$ = $(b-a)*$ $\frac{src(r,c)-min(src)}{max(src)-min(src)}$

NORM_MINMAX　线性归一化详解

alpha、beta分别为归一化后的最小值、最大值,函数会自动判断哪个为最大值，最小值
再求dst
以数列*{ 2.0, 6.0, 7.0, 8.0, 10.0}*为例, alpha=5, beta=100
公式如下：

b = max(alpha, beta)
a = min(alpha, beta)
alpha=5, beta=100
b = max(alpha, beta) = 100
a = min(alpha, beta) = 5
dst[0] = (100-5) * (2-2)/ (10-2) +5 = 2
dst[1] = (100-5) * (6-2)/ (10-2) +5 = 52.5

alpha=1, beta=0

Original	NORM_L1	NORM_L2	NORM_INF	NORM_MINMAX
2.00	0.060606061	0.125738923	0.2	0
6.00	0.181818182	0.377216768	0.6	0.5
7.00	0.212121212	0.440086229	0.7	0.625
8.00	0.242424242	0.502955691	0.8	0.75
10.00	0.303030303	0.628694613	1	1

alpha=3, beta=7

Original	NORM_L1	NORM_L2	NORM_INF	NORM_MINMAX
2.00	0.181818182	0.377216768	0.6	3
6.00	0.545454545	1.131650304	1.8	5
7.00	0.636363636	1.320258688	2.1	5.5
8.00	0.727272727	1.508867072	2.4	6
10.00	0.909090909	1.88608384	3	7

alpha=5, beta=100

Original	NORM_L1	NORM_L2	NORM_INF	NORM_MINMAX
2.00	0.30303	0.628695	1	5
6.00	0.909091	1.88608	3	52.5
7.00	1.06061	2.20043	3.5	64.375
8.00	1.21212	2.51478	4	76.25
10.00	1.51515	3.14347	5	100

函数作用意义

一般用在预处理，这里只介绍线性变换归一化，作用是把不同尺度的图片，经过线性尺度变化到另一空间范围，比如一张图片比较黑像素分布范围在0_{12之间，查看图片基本是全黑图片，我们将图片像素范围延伸至0}255之间，分布在0_{12之间的像素点将进行线性拓展至0}255，像素点之间差异化增大，图片对比度更强显示细节更加明晰。反之同理

图像位操作API

bitwise_and、bitwise_or、bitwise_xor、bitwise_not

void bitwise_and(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 & src2
void bitwise_or(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 | src2
void bitwise_xor(InputArray src1, InputArray src2,OutputArray dst, InputArray mask=noArray());//dst = src1 ^ src2
void bitwise_not(InputArray src, OutputArray dst,InputArray mask=noArray());//dst = ~src

函数介绍

bitwise_and是对二进制数据进行“与”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0
bitwise_or是对二进制数据进行“或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“或”操作，1|1=1，1|0=0，0|1=0，0|0=0
bitwise_xor是对二进制数据进行“异或”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“异或”操作，1^1=0,10=1,0^1=1,00=0
bitwise_not是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，_1=0，0=1

代码演示

#include <iostream>  
#include <fstream>
#include <opencv2/opencv.hpp>

#define Pic_Path "/home/image/Pictures/" 
#define Pic_Name "demo.jpg" 

using namespace std;
using namespace cv;
int main(int argc, char **argv)
{
    string pic = string(Pic_Path) + string(Pic_Name);
    cout << pic << endl;
	
    
    Mat src,downImage, upImage;
    src = imread(pic.c_str());
    imshow("src", src);

    //每次只能放大或缩小一倍，不能跳着放大
    pyrDown(src, downImage, Size(src.cols >> 1, src.rows >> 1)); //降采样 缩小
    pyrUp(src, upImage, Size(src.cols << 1, src.rows << 1));  //上采样 放大
    imshow("pryDown", downImage);
    imshow("pryUp", upImage);

    //Difference of Gaussian(DOG) 高斯不同
    Mat gray_image, g1, g2 , dogImage;
    
    //图片转化为灰度图片
    cvtColor(src, gray_image, CV_BGR2GRAY);
    
    //对图片进行一次高斯模糊
    GaussianBlur(gray_image, g1, Size(3,3),0);
    
    //对图片进行二次高斯模糊
    GaussianBlur(g1, g2, Size(3, 3), 0);
    
  
    //图像相减 可以获得图像的边缘信息　细节显示力很弱难以分辨
    subtract(g1, g2, dogImage);
    cv::imshow("图像相减",dogImage);
    
    /*
    图像相减后图片太暗基本全黑，细节展示不清晰，像素集中在数值较低的区域，需进行线性归一化，将像素范围扩展之更大范围
    使稍微明亮的点更加明亮
    */
    //图像归一化　　增强细节显示
    //参数一　原图像
    //参数二　目标图像
    //参数三　归一化上限值
    //参数四　归一化下限值
    //归一化选择的数学公式
    normalize(dogImage, dogImage, 0, 255, NORM_MINMAX);
    cv::imshow("归一化",dogImage);
    
    //对图片进行取反突出细节显示
    bitwise_not(dogImage, dogImage);
    imshow("DOG翻转颜色显示", dogImage);

    waitKey();
    return 0;
}

转载：https://blog.csdn.net/z961968549/article/details/102589033

查看评论

小言_互联网的博客

小言_互联网的博客

个人资料

文章分类

文章存档

阅读排行

评论排行

推荐文章