Python圖像處理之圖像金字塔的向上和向下取樣

更新時(shí)間：2022年09月23日 09:34:24 作者：wadfdhsajd

圖像金字塔是指由一組圖像且不同分別率的子圖集合，它是圖像多尺度表達(dá)的一種，以多分辨率來(lái)解釋圖像的結(jié)構(gòu)，主要用于圖像的分割或壓縮。本文主要介紹了圖像金字塔的圖像向下取樣和向上取樣，感興趣的可以了解一下

一.圖像金字塔

圖像金字塔是指由一組圖像且不同分別率的子圖集合，它是圖像多尺度表達(dá)的一種，以多分辨率來(lái)解釋圖像的結(jié)構(gòu)，主要用于圖像的分割或壓縮。一幅圖像的金字塔是一系列以金字塔形狀排列的分辨率逐步降低，且來(lái)源于同一張?jiān)紙D的圖像集合。如圖6-11所示，它包括了四層圖像，將這一層一層的圖像比喻成金字塔。圖像金字塔可以通過(guò)梯次向下采樣獲得，直到達(dá)到某個(gè)終止條件才停止采樣，在向下采樣中，層級(jí)越高，則圖像越小，分辨率越低。

生成圖像金字塔主要包括兩種方式——向下取樣、向上取樣。在圖6-11中，將圖像G0轉(zhuǎn)換為G1、G2、G3，圖像分辨率不斷降低的過(guò)程稱為向下取樣；將G3轉(zhuǎn)換為G2、G1、G0，圖像分辨率不斷增大的過(guò)程稱為向上取樣。

二.圖像向下取樣

在圖像向下取樣中，使用最多的是高斯金字塔。它將對(duì)圖像Gi進(jìn)行高斯核卷積，并刪除原圖中所有的偶數(shù)行和列，最終縮小圖像。其中，高斯核卷積運(yùn)算就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值（權(quán)重不同）經(jīng)過(guò)加權(quán)平均后得到。常見(jiàn)的3×3和5×5高斯核如下：

高斯核卷積讓臨近中心的像素點(diǎn)具有更高的重要度，對(duì)周圍像素計(jì)算加權(quán)平均值，如圖6-12所示，其中心位置權(quán)重最高為0.4。

顯而易見(jiàn)，原始圖像Gi具有M×N個(gè)像素，進(jìn)行向下取樣之后，所得到的圖像Gi+1具有M/2×N/2個(gè)像素，只有原圖的四分之一。通過(guò)對(duì)輸入的原始圖像不停迭代以上步驟就會(huì)得到整個(gè)金字塔。注意，由于每次向下取樣會(huì)刪除偶數(shù)行和列，所以它會(huì)不停地丟失圖像的信息。

在OpenCV中，向下取樣使用的函數(shù)為pyrDown()，其原型如下所示：

dst = pyrDown(src[, dst[, dstsize[, borderType]]])

src表示輸入圖像，
dst表示輸出圖像，和輸入圖像具有一樣的尺寸和類型
dstsize表示輸出圖像的大小，默認(rèn)值為Size()
borderType表示像素外推方法，詳見(jiàn)cv::bordertypes

實(shí)現(xiàn)代碼如下所示：

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('nv.png')
#圖像向下取樣
r = cv2.pyrDown(img)
#顯示圖像
cv2.imshow('original', img)
cv2.imshow('PyrDown', r)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結(jié)果如圖6-13所示，它將原始圖像壓縮成原圖的四分之一。

多次向下取樣的代碼如下：

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('nv.png')
#圖像向下取樣
r1 = cv2.pyrDown(img)
r2 = cv2.pyrDown(r1)
r3 = cv2.pyrDown(r2)
#顯示圖像
cv2.imshow('original', img)
cv2.imshow('PyrDown1', r1)
cv2.imshow('PyrDown2', r2)
cv2.imshow('PyrDown3', r3)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結(jié)果如圖所示：

三.圖像向上取樣

在圖像向上取樣是由小圖像不斷放圖像的過(guò)程。它將圖像在每個(gè)方向上擴(kuò)大為原圖像的2倍，新增的行和列均用0來(lái)填充，并使用與“向下取樣”相同的卷積核乘以4，再與放大后的圖像進(jìn)行卷積運(yùn)算，以獲得“新增像素”的新值。如圖6-15所示，它在原始像素45、123、89、149之間各新增了一行和一列值為0的像素。

在OpenCV中，向上取樣使用的函數(shù)為pyrUp()，其原型如下所示：

dst = pyrUp(src[, dst[, dstsize[, borderType]]])

src表示輸入圖像，
dst表示輸出圖像，和輸入圖像具有一樣的尺寸和類型
dstsize表示輸出圖像的大小，默認(rèn)值為Size()
borderType表示像素外推方法，詳見(jiàn)cv::bordertypes

實(shí)現(xiàn)代碼如下所示：

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('lena.png')
#圖像向上取樣
r = cv2.pyrUp(img)
#顯示圖像
cv2.imshow('original', img)
cv2.imshow('PyrUp', r)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結(jié)果如圖6-16所示，它將原始圖像擴(kuò)大為原圖像的四倍。

多次向上取樣的代碼如下：

# -*- coding: utf-8 -*-
import cv2  
import numpy as np  
import matplotlib.pyplot as plt
#讀取原始圖像
img = cv2.imread('lena2.png')
#圖像向上取樣
r1 = cv2.pyrUp(img)
r2 = cv2.pyrUp(r1)
r3 = cv2.pyrUp(r2)
#顯示圖像
cv2.imshow('original', img)
cv2.imshow('PyrUp1', r1)
cv2.imshow('PyrUp2', r2)
cv2.imshow('PyrUp3', r3)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結(jié)果如圖6-17所示，每次向上取樣均為上次圖像的四倍，但圖像的清晰度會(huì)降低。