opencv--高斯金字塔—上采样—下采样

 1、图像金字塔结构

图像金字塔是图像一种多尺度的表达，一幅图像的金字塔是一系列图像以金字塔的形状排列，并且分辨率逐级降低，这些低分辨率的图像都是经过图像向下采样得到的。图像所在的层越高，则图像分辨率越低。如下图，level 4的分辨率最低，并且Level 1.....Level4都是Level0经过逐级下采样得到的图像。

pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2)) 

2、图像的高斯金字塔

对图像进行下采样，是主要的金字塔。

图像向下采样的函数：pyrDown函数  （尺寸减半）

图像向上采样的函数：pyrUp函数   （尺寸加倍）
注意：　pyrDown和pyrUp不是逆操作。

pyrUp函数先扩充为原始图像的2倍，然后新增的行（偶数行）填充0，然后给指定的滤波器进行卷积去估计“丢失”像素的近似值。

pyrDown函数先对原始图像进行高斯内核卷积操作，然后将所有的偶数行和列去掉，会丢失一些信息。

3、高斯不同

把同一张图像在不同参数下做高斯模糊后的结果相减，得到的输出图像，成为高斯不同（DOG）

高斯不同时图像的内在特征，在灰度图像增强、角点检测中经常用到

4、函数用法

上采样： 新图像的长宽各为为原始图像长宽的2倍。

pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2)) 

下采样：新图像的长宽各位原始图像长宽的1/2

pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2))

两张 图像相减：

subtract(InputArray src1, InputArray src2, OutputArray dst,InputArray mask=noArray(), int dtype=-1);

归一化显示：

normalize(InputArray src,OutputArray dst, double alpha=1, doublebeta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray() )

 5、代码示例

#include
#include
#include
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
	// read image
	Mat src, dst;
	src = imread("C:/Users/qxq/Pictures/image/fox.jpg");

	if (src.empty())
	{
		printf("Could not load image...");
		return -1;
	}
	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "output image";
	namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);

	//图像金字塔，应用：图像融合、重建、特征提取等。

	//上采样
	pyrUp(src, dst, Size(src.cols * 2, src.rows * 2));
	//imshow(INPUT_WIN, dst);

	//降采样
	Mat S_down;
	pyrDown(src, S_down, Size(src.cols / 2, src.rows / 2));
	//imshow(OUTPUT_WIN, S_down);

	//高斯不同
	Mat gray_src,g1, g2, dogImg;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src,g1,Size(3,3),0,0);
	GaussianBlur(g1, g2, Size(3, 3), 0, 0);
	subtract(g1,g2, dogImg, Mat()); //正常情况下，是低的减去高的，g1-g2。
	//将最小最大值放大到0~255,便于观察。
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);

	imshow("Dog image", dogImg);


	waitKey(0);
	return 0;
}

6、效果显示

7、附件（当原图过大，可展示下采样后的图像）

//阈值分割
#include
#include
#include
#include
using namespace std;
using namespace cv;

Mat src;

int main(int argc, char**argv)
{
	const char* path = "C:/Users/qxq/Pictures/Saved Pictures/2.jpg";

	src = cv::imread(path);
	if (src.empty())
	{
		cout << "Load image failed! " << endl;
		return -1;
	}

	//上采样
	Mat upimg,downimg;
	pyrUp(src, upimg, Size(src.cols * 2, src.rows * 2));

	//下采样
	pyrDown(src, downimg, Size(src.cols / 2, src.rows / 2));
	
	/*cv::imwrite("C:/Users/qxq/Pictures/Saved Pictures/2_up.jpg", upimg);
	cv::imwrite("C:/Users/qxq/Pictures/Saved Pictures/2_down.jpg", downimg);*/
	/*cv::imshow("src", src);
	cv::imshow("up_img", upimg);*/
	cv::imshow("down_img", downimg);


	//高斯不同
	Mat gray_src, g1, g2, dogImg;
	cvtColor(downimg, gray_src, CV_BGR2GRAY);//转化为灰度图
	GaussianBlur(gray_src, g1, Size(3, 3), 0, 0);//对灰度图做高斯滤波
	GaussianBlur(g1, g2, Size(3, 3), 0, 0);//再第一次滤波的基础上再做一次滤波
	subtract(g1, g2, dogImg, Mat()); //正常情况下，是低的减去高的，g1-g2。
									 
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);//将最小最大值放大到0~255,便于观察。

	imshow("Dog image", dogImg);

	
	waitKey(0);
	return 0;
}