OpenCV图像处理学习十三，图像金字塔——高斯金字塔和拉普拉斯金字塔

一.图像金字塔概念

我们在图像处理中常常会调整图像大小，最常见的就是放大(zoom in)和缩小（zoom out），尽管几何变换也可以实现图像放大和缩小，但是这里我们介绍图像金字塔 。 一个图像金字塔是由一系列的图像组成，最底下一张是图像尺寸最大，最上方的图像尺寸最小，从空间上从上向下看就想一个古代的金字塔。

金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。

二.图像金字塔：

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

高斯金子塔是从底向上，逐层降采样得到。 降采样之后图像大小是原图像MxN的M/2 x N/2 ,就是对原图像删除偶数行与列，即得到降采样之后上一层的图片。 

高斯金子塔的生成过程分为两步：     1.对当前层进行高斯模糊      2.删除当前层的偶数行与列     即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。

---------------------------------------------------------------------------------------------------------------------------------

三.高斯不同(Difference of Gaussian-DOG)

 DOG定义：

就是把同一张图像在不同的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、角点检测和特征提取中经常用到。

四.API函数接口：

上采样(cv::pyrUp) – zoom in 放大

#上采样API
void pyrUp(InputArray src, OutputArraydst, const Size& dstsize=Size(), int borderType=BORDER_DEFAULT )

参数说明：

第一个参数，InputArray类型的src，输入图像，Mat类的对象即可。
第二个参数，OutputArray类型的dst，输出图像，必须和源图片有一样的尺寸和类型。
第三个参数，const Size&类型的dstsize，输出图像的大小;有默认值Size()，即默认情况下，由Size（src.cols*2，src.rows*2）来进行计算。

第四个参数，int类型的borderType，即边界模式。

--------------------------------------------------------------------------------------------------------------------------------
 

降采样 (cv::pyrDown) – zoom out 缩小

#降采样API
void pyrDown(InputArray src,OutputArray dst, const Size& dstsize=Size(), int borderType=BORDER_DEFAULT)

参数说明：

第一个参数，InputArray类型的src，输入图像，Mat类的对象即可。
第二个参数，OutputArray类型的dst，输出图像，必须和源图片有一样的尺寸和类型。
第三个参数，const Size&类型的dstsize，输出图像的大小;有默认值Size()，即默认情况下，由Size Size((src.cols+1)/2, (src.rows+1)/2)来进行计算。

第四个参数，int类型的borderType，即边界模式。

归一化函数API

归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。

#归一化函数API接口
cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())

参数说明：

src               输入图像；
dst               输出图像，图像的大小和原图像一致；
alpha           可以用来规范值，也可以用来规范范围，并且是范围的下限；
beta             只用来规范范围并且是范围的上限；
norm_type   归一化选择的数学公式类型；有NORM_INF(无穷范数)，NORM_L1（1范数）， NORM_INFL2（2范数），NORM_MINMAX（范围归一化）
dtype           当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输出不同，不同的地方由dtype决定；否则 和src通道一致，depth =CV_MAT_DEPTH(dtype).
mark            掩码。选择感兴趣区域，选定后只能对该区域进行操作。
 

=========================================================================

代码实现：

#include"stdafx.h"
#include
#include
#include

using namespace std;
using namespace cv;


int main(int agrc, char** argv) {
	Mat src, dst;
	src = imread("F:/photo/qx.jpg");
	if (!src.data) {
		printf("could not load image...");
		return -1;
	}

	//char INPUT_WIN[] = "input image";
	//char OUTPUT_WIN[] = "sample up";
	namedWindow("input image", 0);
	resizeWindow( "input image", 300, 300);
	imshow("input image", src);


	namedWindow("sample up", WINDOW_AUTOSIZE);


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

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

	// DOG
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(5, 5), 0, 0);
	GaussianBlur(g1, g2, Size(5, 5), 0, 0);
	subtract(g1, g2, dogImg, Mat());

	// 归一化显示
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
	imshow("DOG Image", dogImg);

	waitKey(0);
	return 0;
}

--------------------------------------------------------------------------------------------------------------------------------

图像处理效果：

图像降采样

 图像原图

 图像上采样

 高斯不同（DOG）图像