【OpenCV】图像金字塔 -- 下采样cv2.pyrDown() ， 上采样cv2.pyrUp()

参考：cv2.pyrDown() | TheAILearner

1. cv2.pyrDown()

函数cv2.pyrDown() 用于实现高斯金字塔中的下采样。

函数原型：

dst_img = cv2.pyrDown(src_img, dstsize)
参数：

dst_img：目标图像
src_img：原始图像
dstsize：目标图像大小。 默认行和列都会变成原始图像行和列的1/2， 整幅图像会变成原始图像的1/4。
cv2.pyrDown()函数首先对原始图像进行高斯变换，再通过抛弃偶数行和偶数列实现下采样。

举例：

import cv2
import numpy as np

image = cv2.imread("/Users/manmi/Desktop/lena.bmp", 0)
result_1 = cv2.pyrDown(image)
result_2 = cv2.pyrDown(result_1)
result_3 = cv2.pyrDown(result_2)

cv2.imshow('image', image)
cv2.imshow('result_1', result_1)
cv2.imshow('result_2', result_2)
cv2.imshow('result_3', result_3)
cv2.waitKey()
cv2.destroyAllWindows()

输出为：

2. cv2.pyrUp()

函数cv2.pyrUp() 用于实现高斯金字塔中的上采样。

函数原型：

dst_img = cv2.pyrUp(src_img, dstsize)
参数：

dst_img：目标图像
src_img：原始图像
dstsize：目标图像大小。 默认行和列都会变成原始图像行和列的2倍， 整幅图像会变成原始图像的4倍。
cv2.pyrUp() 函数首先在原始图像的每个像素的右侧和下侧分别插入零值列和零值行，得到一个偶数行，偶数列（新增的行和列）都是零值的新图，在进行高斯变换，得到上采样的结果图像。

举例：

import cv2
import numpy as np

image = cv2.imread("/Users/manmi/Desktop/result_3.bmp", 0)
result_1 = cv2.pyrUp(image)
result_2 = cv2.pyrUp(result_1)
result_3 = cv2.pyrUp(result_2)

print('image.shape =', image.shape)
print('result_1.shape =', result_1.shape)
print('result_2.shape =', result_2.shape)
print('result_3.shape =', result_3.shape)

cv2.imshow('image', image)
cv2.imshow('result_1', result_1)
cv2.imshow('result_2', result_2)
cv2.imshow('result_3', result_3)
cv2.waitKey()
cv2.destroyAllWindows()

# 输出：
# image.shape = (64, 64)
# result_1.shape = (128, 128)
# result_2.shape = (256, 256)
# result_3.shape = (512, 512)

输出为：

3. 采样可逆性研究

        原始图像先下采样再上采样，得到的结果图像和原始图像尺寸一样，但是二者像素值并不是一致的。

        原始图像先上采样再下采样，得到的结果图像和原始图像尺寸一样，但是二者像素值并也不是一致的。

        所以，结论是，上采样和下采样不是互逆的。（上采样并不是下采样的逆运算）

4. 拉普拉斯金字塔

        函数 cv2.pyrDown 是从高分辨率的大尺寸图像逐次向下采样得到一系列图像，构建一个金字塔，称为高斯金字塔（Gaussian pyramid），实际上是一个重复高斯平滑并重新对图像采样的过程。拉普拉斯金字塔每次向下采样后将再次向上采样，并记录残差信息，可以对图像进行最大程度的还原。构造拉普拉斯金字塔的目的就是为了恢复高分辨率的图像。

————————————————
参考：https://blog.csdn.net/weixin_37804469/article/details/112730753