图像金字塔,原理、实现及应用

这篇具有很好参考价值的文章主要介绍了图像金字塔,原理、实现及应用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

什么是图像金字塔

图像金字塔是对图像的一种多尺度表达,将各个尺度的图像按照分辨率从小到大,依次从上到下排列,就会形成类似金字塔的结构,因此称为图像金字塔。

常见的图像金字塔有两类,一种是高斯金字塔(Gaussian Pyramid),另一种的拉普拉斯金字塔(Laplacian Pyramid)。

一般在图像处理中,高斯代表“模糊”,而拉普拉斯代表“差异”。

高斯金字塔通过不断对图像进行模糊且下采样而获得,下采样的因子一般是2倍。随着分辨率越来越小,图像会越来越模糊,高斯金字塔的最底层就是原始图像本身。

拉普拉斯金字塔在高斯金字塔的基础上,对所有层进行上采样(一般也是2倍上采样),然后使用原高斯金字塔结果减去通分辨率的上采样结果得到每一层差异,即为拉普拉斯金字塔。注意拉普拉斯金字塔中分辨率最小的图片等同于高斯金字塔通分辨率图片,其他层均为“求差”得到的结果。另外还需注意图像先下采样再上采样后不能复原,因为下采样会产生信息缺失,简单上采样无法弥补回这些信息缺失。

为什么要使用图像金字塔

图像金字塔有很多应用,特别是面对多尺度任务时尤为有用。比如在目标检测任务中,检测对象在图像中的大小往往非常多变,在单一图像尺度下进行滑框寻找往往不能覆盖所有目标,所以就需要在多个尺度下进行滑框,传统的目标检测和基于深度学习的目标检测均是如此。

拉普拉斯金字塔中,大部分的数值接近于0,所以一定程度上可以用于图像压缩。拉普拉斯金字塔还常用于图像融合,基于拉普拉斯金字塔的图像融合,融合边界的过渡往往会相对自然一些。

金字塔的构建

基础函数

  • 模糊(卷积)
    在金字塔的构建中,上下采样均需要做模糊,下采样中做模糊是为了防止锯齿现象,上采样中做模糊是因为图像金字塔分解中的上采样比较“特别”,不做模糊不行。这里一般使用一个固定的5x5卷积核做模糊,也可以1x5的卷积核,使用行列分离的卷积方法做模糊。

  • 下采样
    先对图像做模糊,然后直接每隔一个像素抽一个数据即可实现2倍下采样。

  • 上采样
    将每个像素扩展成2x2的小区域,原像素放在左上角,其他3个位置补0,然后将卷积核乘以4,再对扩展后的图像做模糊即可。
    上采样还需注意一个关于数据类型的细节:拉普拉斯金字塔才需要用到上采样,生成拉普拉斯金字塔的过程中需要求差操作,并且拉普拉斯金字塔常常跟图像重建会扯上关系,而uint8在求差或者重建时会引起数据截断误差,所以有可能需要用到非uint8数据类型来作为输出。

特别注意:通过上面描述可以发现,在图像金字塔构建时,上下采样的操作非常简单粗暴,不需要用到常规resize时的图像插值。

代码如下:
文件起名resample.py

# -*- coding: utf-8 -*-
import cv2
import numpy as np


def blur(image, kernel_scale=1.0):
    """
    Blur image using a fixed kernel. Kernel scale can be set.

    Parameters
    ----------
    image: image data read by opencv.
    kernel_scale: the scale factor of kernel.
    """
    blur_kernel = np.array(
        [[1, 4, 6, 4, 1],
         [4, 16, 24, 16, 4],
         [6, 24, 36, 24, 6],
         [4, 16, 24, 16, 4],
         [1, 4, 6, 4, 1]]) / 256.
    blurred_image = cv2.filter2D(image, ddepth=-1,
                                 kernel=blur_kernel * kernel_scale,
                                 borderType=cv2.BORDER_REFLECT101)
    return blurred_image


def pyramid_down(image):
    """
    Down sample an image by 2x.

    Parameters
    ----------
    image: image data read by opencv.
    """
    blurred_image = blur(image)
    image_down = blurred_image[::2, ::2]
    return image_down


def pyramid_up(image, dst_size=None, dtype=np.uint8):
    """
    Up sample an image by 2x. The output size and data type can be set.

    Parameters
    ----------
    image: image data read by opencv.
    dst_size: the output size. Note that the difference of dst_size and
        2*image_size should be <=2.
    dtype: the output data type.
    """
    # check dst_size
    height, width = image.shape[:2]
    if dst_size is None:
        dst_size = (width * 2, height * 2)
    else:
        if abs(dst_size[0] - width * 2) > 2 or \
                abs(dst_size[1] - height * 2) > 2:
            raise ValueError(r'the difference of dst_size and 2*image_size '
                             r'should be <=2.')

    # create a new buffer that has the dst_size
    dst_width, dst_height = dst_size
    if image.ndim == 2:
        image_up = np.zeros(shape=(dst_height, dst_width), dtype=dtype)
    else:
        channel = image.shape[2]

        image_up = np.zeros(shape=(dst_height, dst_width, channel),
                            dtype=dtype)

    image_up[::2, ::2] = image
    image_up = blur(image_up, 4.0)
    return image_up

高斯金字塔 & 拉普拉斯金字塔

高斯金字塔的实现非常简单,不断地使用pyramid_down进行下采样即可,没什么特别需要注意的。
拉普拉斯金字塔需要注意一些事项:1、在生成拉普拉斯金字塔的过程中需要求差,为了不引起数据类型的截断误差, 需要把待求差的两个变量的类型先从uint8转为float32,然后再做求差操作。2、由拉普拉斯金字塔重建图像的过程如果使用uint8也容易产生截断误差,所以在做加法时也需要转float32。

代码如下:
文件起名pyramid.py

# -*- coding: utf-8 -*-
import numpy as np
from resample import pyramid_down
from resample import pyramid_up


def image_to_gaussian_pyramid(image, level, cut_size=(3, 3)):
    """
    Build gaussian pyramid for an image. The size of the output component is
    arranged in descending order.

    Parameters
    ----------
    image: input image data read by opencv.
    level: level of output pyramid.
    cut_size: the minimal size of pyramid component, smaller than which the
        building process will be stopped.
    """
    gaussian_pyramid = [image]
    if level <= 1:
        return gaussian_pyramid

    for i in range(level - 1):
        # check down-sampled image size, should be >= cut_size
        height, width = image.shape[:2]
        height_down = (height + 1) // 2
        width_down = (width + 1) // 2
        if width_down < cut_size[0] or height_down < cut_size[1]:
            break
        # down sample
        image = pyramid_down(image)
        gaussian_pyramid.append(image)
    return gaussian_pyramid


def gaussian_to_laplacian_pyramid(gaussian_pyramid):
    """
    Build a laplacian pyramid from gaussian pyramid. The size of the output
    component is arranged in ascending order.
    """
    laplacian_pyramid = [gaussian_pyramid[-1]]
    level = len(gaussian_pyramid)
    if level == 1:
        return laplacian_pyramid

    for i in range(level - 1, 0, -1):
        up_size = gaussian_pyramid[i - 1].shape[:2][::-1]
        image_up = pyramid_up(gaussian_pyramid[i], up_size)
        # compute difference, use float type to avoid exceeding uint8 limit
        diff = np.float32(gaussian_pyramid[i - 1]) - np.float32(image_up)
        laplacian_pyramid.append(diff)
    return laplacian_pyramid


def image_to_laplacian_pyramid(image, level, cut_size=(3, 3)):
    """
    Build a laplacian pyramid from an image. The size of the output component
    is arranged in an ascending order.

    Parameters
    ----------
    image: input image data read by opencv.
    level: level of output pyramid.
    cut_size: the minimal size of pyramid component, smaller than which the
        building process will be stopped.
    """
    gaussian_pyramid = image_to_gaussian_pyramid(image, level, cut_size)
    laplacian_pyramid = gaussian_to_laplacian_pyramid(gaussian_pyramid)
    return laplacian_pyramid


def laplacian_pyramid_to_image(laplacian_pyramid):
    """
    Reconstruct an image from laplacian pyramid.
    """
    image = laplacian_pyramid[0]
    level = len(laplacian_pyramid)
    for i in range(1, level):
        up_size = laplacian_pyramid[i].shape[:2][::-1]
        image = pyramid_up(image, up_size, np.float32)
        image = np.float32(image) + laplacian_pyramid[i]
    image = np.uint8(np.clip(np.round(image), 0, 255))
    return image


def get_pyramid_index(original_index, level):
    """
    Get the index of a certain pyramid component corresponding to an index of
    original image

    Parameters
    ----------
    original_index: the index of original image.
    level: level for pyramid component.
    """
    if level < 0:
        raise ValueError("level can NOT be less than 0")

    if level == 0:
        return original_index

    base = 2 ** level
    mod = original_index % base

    if base == 2 * mod:
        # decimal part is 0.5
        return int(round(original_index / base / 2)) * 2
    else:
        return int(round(original_index / base))

以下代码是金字塔分解的demo示例。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from pyramid import image_to_gaussian_pyramid
from pyramid import image_to_laplacian_pyramid


def gaussian_pyramid_test():
    level = 5
    image = cv2.imread(r'undead.png')
    height, width, channel = image.shape
    gau_pyr = image_to_gaussian_pyramid(image, level)

    # plot
    output = np.zeros((height, width * 2, channel), dtype=np.uint8)
    x = 0
    for i in range(level):
        height, width = gau_pyr[i].shape[:2]
        output[:height, x:x + width] = gau_pyr[i]
        x += width
    cv2.imwrite('gaussian_pyramid_test.png', output)


def laplacian_pyramid_test():
    level = 5
    image = cv2.imread(r'undead.png')
    height, width, channel = image.shape
    lap_pyr = image_to_laplacian_pyramid(image, level)

    # plot
    output = np.zeros((height, width * 2, channel), dtype=np.float32)
    x = width * 2
    for i in range(level - 1, -1, -1):
        height, width = lap_pyr[i].shape[:2]
        if i == 0:
            output[:height, x - width:x] = lap_pyr[i]
        else:
            output[:height, x - width:x] = lap_pyr[i] * 10
        x -= width
    cv2.imwrite('laplacian_pyramid_test.png', output)


if __name__ == '__main__':
    gaussian_pyramid_test()
    laplacian_pyramid_test()

得到的结果如下,分别是5层的高斯金字塔和拉普拉斯金字塔,注意拉普拉斯金字塔除了最小分辨率是正常图像外,其他分量均为残差。为了能够把残差看的更清楚,乘以了一个系数。

图像塔形分解原理,数字图像处理,opencv,图像处理,opencv
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv

金字塔的应用

图像融合

这张图打魔兽的伙计们应该都挺熟的,这是阿尔萨斯在巫妖王形态和人类王子形态的融合体。
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv
下面我分别找到了原始巫妖王形态和人类王子形态的图像,并作了一些裁减,让图像分辨率一样,并且上下位置也大概能拼在一起。
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv

下面图像是直接对上述两个原始图像各切掉一部分,并拼接在一起的结果,可以看到整体过渡是不自然的。
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv

下面我们将使用金字塔重建的方法进行拼接,让边缘的过渡自然一些。

# -*- coding: utf-8 -*-
import cv2
import numpy as np
from pyramid import image_to_laplacian_pyramid
from pyramid import laplacian_pyramid_to_image
from pyramid import get_pyramid_index

if __name__ == '__main__':
    x1 = 160
    x2 = 154
    level = 5

    undead = cv2.imread(r'undead.png')
    human = cv2.imread(r'human.png')
    h1, w1 = undead.shape[:2]
    h2, w2 = human.shape[:2]

    laplacian_pyramid_undead = image_to_laplacian_pyramid(undead, level)
    laplacian_pyramid_human = image_to_laplacian_pyramid(human, level)

    laplacian_pyramid_blending = []
    for i in range(level):
        k = level - i - 1
        k1 = get_pyramid_index(w1 - x1, k)
        k2 = get_pyramid_index(x2, k)
        a = laplacian_pyramid_undead[i]
        b = laplacian_pyramid_human[i]
        splicing = np.concatenate([a[:, :k1], b[:, k2:]], axis=1)
        laplacian_pyramid_blending.append(splicing)

    blending_image = laplacian_pyramid_to_image(laplacian_pyramid_blending)
    cv2.imwrite('laplacian_pyramid_blending.png', blending_image)

上面代码的大体流程:1、两张图分别做拉普拉斯金字塔分解;2、把金字塔的各层分量都从鼻子中间拼接在一起;3、对拼接后的金字塔进行重建,即可得到输出。

拼接后的金字塔以及拼接结果如下:
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv

下面是5层金字塔做拼接融合的结果。除了嘴部的过渡实在搞不定以外,其他部分如鼻子,额头和下巴的过渡比直接拼接的效果顺滑很多。
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv

下面是3层金字塔做拼接融合的结果。过渡的顺滑性显然就不如5层金字塔。
图像塔形分解原理,数字图像处理,opencv,图像处理,opencv文章来源地址https://www.toymoban.com/news/detail-700307.html

到了这里,关于图像金字塔,原理、实现及应用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 图像金字塔、高斯金字塔、拉普拉斯金字塔是怎么回事?附利用拉普拉斯金字塔和高斯金字塔重构原图的Python-OpenCV代码

    图像金字塔是对图像进行多分辨率表示的一种有效且简单的结构。 一个图像金字塔是一系列以金字塔形状排列的分辨率逐步降低的图像。图像金字塔的底部是待处理图像的高分辨率表示,而顶部是低分辨率表示。 图像金字塔有什么作用? 图像金字塔常用于图像缩放、图像重

    2024年02月04日
    浏览(62)
  • opencv基础45-图像金字塔01-高斯金字塔cv2.pyrDown()

    图像金字塔(Image Pyramid)是一种用于多尺度图像处理和分析的技术,它通过构建一系列不同分辨率的图像,从而使得图像可以在不同尺度下进行处理和分析。图像金字塔在计算机视觉、图像处理和计算机图形学等领域中广泛应用,可以用于目标检测、特征提取、图像匹配、尺

    2024年02月13日
    浏览(51)
  • 图像金字塔

    图像金字塔 简单来说就是 自下而上图像一步一步缩小 1 高斯金字塔(涉及高斯分布) 向下采样(缩小,对金字塔来说是自下向上) 第一步: 高斯滤波去噪 第二部:将偶数行和列去掉 向上采样(放大,对金字塔来说是自上向下) 第一步:在每个方向上扩大两倍,新增的行和

    2023年04月22日
    浏览(47)
  • OpenCV 11(图像金字塔)

    **图像金字塔**是图像中 多尺度表达 的一种 ,最主要用于图像的分割,是一种以多分辨率来解释图像的有效但概念简单的结构。简单来说, 图像金字塔是同一图像不同分辨率的子图集合. 图像金字塔最初用于机器视觉和图像压缩。其通过梯次向下采样获得,直到达到某个终止

    2024年02月09日
    浏览(38)
  • OpenCv之图像金字塔

    目录 一、图像金字塔介绍  二、高斯金字塔 三、拉普拉斯金字塔 图像金字塔是图像中多尺度表达的一种,最主要用于图像的分割,是一种以多分辨率来解释图像的有效但概念简单的结构。简单来说,图像金字塔是同一图像不同分辨率的子图集合。 图像金字塔的作用: 图像金

    2024年02月12日
    浏览(37)
  • 传统图像处理之图像美化——图像金字塔

    代码实战:图像融合 我将肯巴.沃克和约翰.沃尔融合在了一起。 具体见注释。 拉普拉斯金字塔就是 记录高斯金字塔每一级下采样后再上采样与下采样前的差异 ,目的是为了能够完整的恢复出每一层级的下采样前图像。下面的公式就是前面的差异记录过程:   step=3 step=5  

    2024年02月15日
    浏览(39)
  • OpenCV(十六):高斯图像金字塔

    目录 1.高斯图像金字塔原理 2.高斯图像金字塔实现 1.高斯图像金字塔原理 高斯图像金字塔是一种用于多尺度图像表示和处理的重要技术。它通过对图像进行多次高斯模糊和下采样操作来生成不同分辨率的图像层级,每个层级都是原始图像的模糊和降采样版本。 以下是高斯图

    2024年02月09日
    浏览(43)
  • 【OpenCV】第十一章: 图像金字塔

    第十一章: 图像金字塔 一、什么是图像金字塔¶ 同一张图片不同分辨率的子图的集合。 图像金字塔底部是待处理的高分辨率图像,也就是原始图像,顶部是低分辨率的近似图像。一般情况下,都是每向上移动一级,图像的宽和高都降低为原来的1/2 。 二、为什么要生成图像金

    2024年02月03日
    浏览(52)
  • Python Opencv实践 - 图像金字塔

     

    2024年02月12日
    浏览(45)
  • 金字塔原理(思考的逻辑)

    前言:前面学习了表达的逻辑,那在表达之前,如何组织内容?如何进行思考?接下来看第二篇—— 思考的逻辑 。 目录 应用逻辑顺序 时间顺序 结构顺序 程度顺序 概括各组思想  什么是概括? 思想表达方式 如何概括? 所有的思想必须具有某种逻辑顺序。 组织在一起的思

    2024年02月11日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包