openCV实战-系列教程6：图像金字塔与轮廓检测（图像金字塔/高斯金字塔/拉普拉斯金字塔/图像上采样/图像下采样/轮廓检测/轮廓特征与近似/模版匹配）、原理解析、源码解读

打印一个图片可以做出一个函数：

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()

1、图像金字塔定义

图像金字塔就是将图像组合成像金字塔一样的形状，比如原来的图像是1600*900，现在将它变换为1200*750的图像，在金字塔越上面就会越小。那么一张图像就会有多种形式，在以后如果做特征提取，可能不知有一种方法进行特征提取，可能需要对金字塔图像都要做特征提取。 

• 高斯金字塔
• 拉普拉斯金字塔

1.1 高斯金字塔

高斯金字塔，向下采样法，缩小：

如图所示，这是一个高斯卷积核，还有一个归一化的操作（1/16）。

将图像与高斯内核近图像卷积，然后将偶数行列都去掉，这就是使用了高斯金字塔方法进行了下采样。

高斯金字塔，向上采样法，放大：

上采样，比如一个像素点加上三个0由1*1变成了2*2，然后再进行高斯内核的图像卷积，完成了上采样，补充值就是拿0填充。

2、金字塔制作方法

 如何在OpenCV中执行第一节中的操作呢？

首先读进来一张图像：

img=cv2.imread("AM.png")
cv_show(img,'img')
print (img.shape)

 打印结果：(442, 340, 3)

进行上采样操作：

up=cv2.pyrUp(img)
cv_show(up,'up')
print (up.shape)

pyr就是金字塔的所写，pyrUp顾名思义就是金字塔上采样，打印结果：(884, 680, 3)。图像变大了一些，这里就不展示了

下采样：

down=cv2.pyrDown(img)
cv_show(down,'down')
print (down.shape)

 打印结果：(221, 170, 3)

 如果先进行上采样在进行下采样，会和原始图片一样吗？

应该是不一样的，因为上采样是拿0进行填充的，代码：

up=cv2.pyrUp(img)
up_down=cv2.pyrDown(up)
cv_show(img-up_down,'img-up_down')

 结果就不展示了，大家可以自己跑一下

2.1 拉普拉斯金字塔

拉普拉斯金字塔的制作方法稍微有点特别：

这里的Gi表示的是输入，后面的表示先进行下采样再进行上采样的结果，Gi减去这个结果，然后每一层都是这样做的。

如图，G0是第一层的原始图像，先经过低通滤波和下采样，然后经过上采样，原始图像再减去上采样的结果，第二层也是同样的做法，只不过第二层的原始输入是第一层的输出，后面以此类推。

当然在OpenCV实现：

down=cv2.pyrDown(img)
down_up=cv2.pyrUp(down)
l_1=img-down_up
cv_show(l_1,'l_1')

 打印结果：

3、图像轮廓检测

 函数：cv2.findContours(img,mode,method)，model和method参数

mode：轮廓检索模式

• RETR_EXTERNAL ：只检索最外面的轮廓；
• RETR_LIST：检索所有的轮廓，并将其保存到一条链表当中；
• RETR_CCOMP：检索所有的轮廓，并将他们组织为两层：顶层是各部分的外部边界，第二层是空洞的边界;
• RETR_TREE：检索所有的轮廓，并重构嵌套轮廓的整个层次;

method：轮廓逼近方法

• CHAIN_APPROX_NONE：以Freeman链码的方式输出轮廓，所有其他方法输出多边形（顶点的序列）。
• CHAIN_APPROX_SIMPLE:压缩水平的、垂直的和斜的部分，也就是，函数只保留他们的终点部分。

实际上在轮廓检索模式中，我们就使用最后一个就可以了。 

怎样进行轮廓检测：

为了更高的准确率，使用二值图像：

img = cv2.imread('contours.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show(thresh,'thresh')

1. 读取图像
2. 灰度处理
3. 二值处理（大于127的全部为255，小于127的全部为0，在前面已经讲过二值处理）
4. 打印

打印结果：

计算轮廓信息：

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)

contours：轮廓点，轮廓信息 

hierarchy：层级信息

绘制轮廓：

#传入绘制图像，轮廓，轮廓索引，颜色模式，线条厚度
# 注意需要copy,要不原图会变。。。
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res,'res')

将原始图像进行深度复制的原因是，因为drawContours会将原始图像上进行更改。

解释一下drawContours参数意思，draw_img是需要画轮廓的原始图，contours是原始图包含的轮廓信息，-1第几个轮廓，-1就是表示所有的轮廓都画出来，（0,0,255）分别表示bgr，就是画轮廓用什么颜色，这里就是用的纯红色，最后一个2是轮廓的线条宽度。

执行完后得到的结果：

换一张图片：

img = cv2.imread('car.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
cv_show(thresh,'thresh')
contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
cv_show(img,'img')
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, -1, (0, 0, 255), 2)
cv_show(res,'res')

执行结果：

 

把这些车的代码注释掉，再接着话前面那张图片的轮廓，这次我们把第几个轮廓那个参数改一下： 

img = cv2.imread('contours.png')
draw_img = img.copy()
res = cv2.drawContours(draw_img, contours, 0, (0, 0, 255), 2)
cv_show(res,'res')

运行结果：

只画出了一个轮廓，如果你指定1就会是三角形的内圈，这里你可以多试几下。此外，如果不加.copy()，当你再次执行img数据的打印时，就会出现轮廓的图，不会出现原始图，copy是python的深度复制。