OpenCV学习笔记（一）之图像金字塔-上采样与降采样与DOG

一. 图像金字塔

一个图像金字塔式一系列的图像组成，最底下的图形尺寸最大，最上方的图像尺寸最小。
高斯金字塔是从底向上，逐层降采样得到的。
高斯金字塔的生成过程分为两步：

对当前层进行高斯模糊。
删除当前层的偶数行与列。
即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。

二. 上采样与降采样

降采样之后的图像大小是原图像M × N 的 M/2 × N/2，就是对原图像删除偶数行与列，即得到降采样之后的上一层的图片。

上采样（cv::pyrUp）-zoom in 放大,生成的图像是原图的宽和高各放大两倍

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

降采样（cv::pyrDown）-zoom out 缩小,生成的图像是原图的宽和高各缩小两倍。

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

三. 高斯不同（Difference of Gaussian-DOG）

定义：就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。成为高斯不同。高斯不同是图像的内在特征，在灰度图像增强，角点检测中经常用到。

下面是代码：

/*****图像金字塔*****/
/*上采样，降采样*/

#include<iostream>
#include<opencv2/opencv.hpp>
using 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);
    //两次 高斯模糊
    cv::GaussianBlur(gray_src, g1, cv::Size(3, 3), 0, 0);
    cv::GaussianBlur(g1, g2, cv::Size(3, 3), 0);
    //高斯模糊的结果相减
    cv::subtract(g1, g2, dogImg, cv::Mat());
    //将DOG的显示效果归一化到0-255范围内，更加明显
    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;
}

关注公号【开发小鸽】，获取海量计算机视觉与深度学习资源，实战项目源码，最新论文下载，大厂面试经验！！！