上采樣和下采樣_OpenCV學習筆記（一）之圖像金字塔-上采樣與降采樣與DOG

一. 圖像金字塔

一個圖像金字塔式一系列的圖像組成，最底下的圖形尺寸最大，最上方的圖像尺寸最小。 高斯金字塔是從底向上，逐層降采樣得到的。 高斯金字塔的生成過程分為兩步：

1. 對當前層進行高斯模糊。
2. 刪除當前層的偶數行與列。
3. 即可得到上一層的圖像，這樣上一層跟下一層相比，都只有它的1/4大小。

二. 上采樣與降采樣

降采樣之后的圖像大小是原圖像M × N 的 M/2 × N/2，就是對原圖像刪除偶數行與列，即得到降采樣之后的上一層的圖片。

1. 上采樣(cv::pyrUp)-zoom in 放大,生成的圖像是原圖的寬和高各放大兩倍

pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2))

2. 降采樣(cv::pyrDown)-zoom out 縮小,生成的圖像是原圖的寬和高各縮小兩倍。

pyrDown(Mat src, Mat dst, Size(src.cols/2, src/rows/2))

三. 高斯不同(Difference of Gaussian-DOG)

定義 ：就是把同一張圖像在不同的參數下做高斯模糊之后的結果相減，得到的輸出圖像。成為高斯不同。高斯不同是圖像的內在特征，在灰度圖像增強，角點檢測中經常用到。

下面是代碼：

/*****圖像金字塔*****//*上采樣，降采樣*/#include#includeusing namespace std;int main() {    cv::Mat src, dst;    src = cv::imread("1.jpg");    cv::namedWindow("input image", cv::WINDOW_NORMAL);    cv::imshow("input image", src);    cv::pyrUp(src, dst, cv::Size(src.cols * 2, src.rows * 2));    cv::namedWindow("up image", cv::WINDOW_NORMAL);    cv::imshow("up image", dst);    cv::Mat s_down;    cv::pyrDown(src, s_down, cv::Size(src.cols / 2, src.rows / 2));    cv::namedWindow("down image", cv::WINDOW_NORMAL);    cv::imshow("down image", s_down);    //DOG    cv::Mat gray_src, g1, g2, dogImg;    cv::cvtColor(src, gray_src, cv::COLOR_BayerBG2GRAY);    //兩次 高斯模糊    cv::GaussianBlur(gray_src, g1, cv::Size(3, 3), 0, 0);    cv::GaussianBlur(g1, g2, cv::Size(3, 3), 0);    //高斯模糊的結果相減    cv::subtract(g1, g2, dogImg, cv::Mat());    //將DOG的顯示效果歸一化到0-255范圍內，更加明顯    cv::normalize(dogImg, dogImg, 255, 0, cv::NORM_MINMAX);    cv::namedWindow("DOG Image", cv::WINDOW_NORMAL);    cv::imshow("DOG Image", dogImg);    cv::waitKey(0);    return 0;}

關注同名公眾號【計算機視覺與深度學習】，獲取海量計算機視覺與深度學習資源，實戰項目源碼，最新論文下載，大廠面試經驗！！！