标签：opencv   python   高斯金字塔   拉普拉斯金字塔   

构造高斯金字塔和拉普拉斯金字塔

1. 高斯金字塔和拉普拉斯金字塔简介

        假设你的视觉算法只能识别大小恒定的物体，但物体在现实世界中随着空间的变换会表现出不同尺度。这时，高斯金字塔和拉普拉斯金字塔可以解决尺度变化问题。

        高斯金字塔由一组不同大小的图像组成。通常在高斯金字塔的底层放置原始图像，当前层（顶层除外）的图像用高斯模板滤波，然后下采样后的图像放在当前层的上一层。拉普拉斯金字塔当前层的图像（与高斯金字塔的上一层对齐）等于高斯金字塔的上一层（底层除外）的上采样图像减去高斯金字塔的当前层图像。彩色图像为红绿蓝三通道值分别相减的结果。

2. 代码实现

import cv2
import numpy as np
from matplotlib import pyplot as plt
################################################################################

print 'Load Image'

imgFile = 'images/face.jpg'

# load an original image
img = cv2.imread(imgFile)
################################################################################

# color value range
cRange = 256

# convert color space from bgr to gray
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
imgGray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
################################################################################

# pyramid level
level = 5

# original image at the bottom of gaussian pyramid
higherResoGauss = img
plt.subplot(2,1 + level,1), plt.imshow(higherResoGauss), plt.title('Gaussian Level ' + '%d' % level), plt.xticks([]), plt.yticks([])

for l in range(level):
    
    rows,cols,channels = higherResoGauss.shape
    
    # delete last odd row of gaussian image
    if rows % 2 == 1:
        higherResoGauss = higherResoGauss[:rows - 1,:]
    # delete last odd column of gaussian image                
    if cols % 2 == 1:
        higherResoGauss = higherResoGauss[:,:cols - 1]
             
    # gaussian image
    lowerResoGauss = cv2.pyrDown(higherResoGauss)    
    # even rows and cols in up-sampled image
    temp = cv2.pyrUp(lowerResoGauss)    
    print higherResoGauss.shape,temp.shape
    
    # laplacian image
    lowerResoLap = higherResoGauss - temp   
    
    # display gaussian and laplacian pyramid
    plt.subplot(2,1 + level,l + 2), plt.imshow(lowerResoGauss), plt.title('Gaussian Level ' + '%d' % (level - l - 1)), plt.xticks([]), plt.yticks([])
    plt.subplot(2,1 + level,1 + level + l + 2), plt.imshow(lowerResoLap), plt.title('Laplacian Level ' + '%d' % (level - l - 1)), plt.xticks([]), plt.yticks([])    

    higherResoGauss = lowerResoGauss
################################################################################
               
# display original image and gray image
plt.show()                                              
################################################################################

print 'Goodbye!'

3. 实验结果

        这里构建了6层高斯金字塔和5层拉普拉斯金字塔，上一行为高斯金字塔，下一行为拉普拉斯金字塔；从左往右的图像在金字塔上从下往上放置。显示的图像大小虽然相同，但像素大小不同。

结语

        除了尺度问题，还需要考虑角度问题。所以，后面会针对实际问题，然后结合本节内容的思想并引入角度的变化来作扩展。

OpenCV Using Python——构造高斯金字塔和拉普拉斯金字塔

标签：opencv   python   高斯金字塔   拉普拉斯金字塔   

原文地址：http://blog.csdn.net/shadow_guo/article/details/43974989