机器学习进阶-图像金字塔与轮廓检测-图像金字塔-(**高斯金字塔) 1.cv2.pyrDown(对图片做向下采样) 2.cv2.pyrUp(对图片做向上采样)

1.cv2.pyrDown(src)  对图片做向下采样操作，通常也可以做模糊化处理

参数说明：src表示输入的图片

2.cv2.pyrUp(src) 对图片做向上采样操作

参数说明：src表示输入的图片

高斯金字塔：分为两种情况：一种是向下采样，一种是向上采样

下采样的原理：先与Gi进行高斯卷积即高斯滤波，再将所有偶数行和列去除，实现行和列维度缩减的目的

代码：

第一步：读入图片

第二步：使用cv2.pyrDown进行高斯金字塔的下采样

第三步：使用自己的步骤做高斯金字塔的下采样，先对图像作高斯滤波,即与高斯内核卷积

第四步：将所有偶数行去除

第五步：将所有偶数列去除

import cv2
import numpy as np

# 第一步：读入图片
img = cv2.imread('AM.png', 0)
cv2.imshow('img', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 第二步：使用cv2.pyrDown进行金字塔的下采样
down = cv2.pyrDown(img)
cv2.imshow('down', down)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 按照步骤编写
# 第三步：进行高斯滤波操作，即进行高斯卷积
guassin = cv2.GaussianBlur(img, (5, 5), 1)
# 第四步：去除矩阵的偶数行
guassin_x = []
rows, columns = guassin.shape[:2]
for i in range(rows):
    if i % 2 == 1:
          guassin_x.append(guassin[i, :])

guassin_x = np.array(guassin_x)
# 第五步：去除矩阵的偶数列
guassin_y = []
for i in range(columns):
    if i % 2 == 1:
        guassin_y.append(guassin_x[:, i])

guassin_y = np.array(guassin_y).T
cv2.imshow('guassin', guassin_y)
cv2.waitKey(0)

高斯金字塔进行上采样操作， 第一步先对使用0进行填充，扩大其维度，再进行高斯滤波，对滤波的结果乘与4，获得其近似值

代码：

第一步：图片读入

第二步：使用cv2.pyrUp对图像进行放大操作

第三步：使用自己的方法，先给偶数行加zeros

第四步：给偶数列加zeros

第五步：进行高斯滤波，将像素点分散开，最后乘于4，做近似截断处理

import cv2
import numpy as np

# 第一步读取图片
img = cv2.imread('AM.png', 0)
print(img.shape)
# 第二步：使用cv2.pyrUp进行图像金字塔的上采样
Up = cv2.pyrUp(img)
cv2.imshow('up', Up)
cv2.waitKey(0)

# 第三步：使用自己的方法计算，在偶数行插入zero
rows_zeros = []
rows, columns = img.shape[:2]

for i in range(2*rows):
    if i % 2 == 1:
        rows_zeros.append(np.zeros((1, columns)).astype(int).ravel())
    else:
        rows_zeros.append(img[int(i/2), :])

rows_zeros = np.array(rows_zeros)

# 第四步：在偶数列插入zeros
columns_zeros = []
for i in range(2*columns):
    if i % 2 == 1:
        columns_zeros.append(np.zeros((rows*2, 1)).astype(int).ravel())
    else:
        columns_zeros.append(rows_zeros[:, int(i/2)])


columns_zeros = np.array(columns_zeros).T


# 第五步：进行高斯卷积操作,乘于4倍后做近似处理
add_img_columns_g = np.round(cv2.GaussianBlur(columns_zeros, (5, 5), 1)).astype(int) * 4
frames = []
# 对于大于255的像素做截断操作
for i in range(add_img_columns_g.shape[0]):
    frame = []
    for j in add_img_columns_g[i, :]:
        if j > 255:
            frame.append(255)
        else:
            frame.append(j)
    frames.append(frame)
frames = np.array(frames)