目標

理論

注意

下面的解釋屬於Bradski和Kaehler 的“ 學習OpenCV ”一書。

• 通常我們需要將影象轉換成與原始影象不同的大小。為此，有兩個可能的選擇：升高影象（放大）或縮小（縮小）。
• 雖然有一個幾何變換中的OpenCV函式-literally-調整影象大小（CV ::調整大小，我們將在以後的教程顯示），在該部分中，我們分析第一使用影象金字塔，這是在廣泛應用的視覺範圍廣泛的應用。

影象金字塔

• 影象金字塔是由單個原始影象產生的影象的集合，它們被連續下采樣，直到達到一些所需的停止點。
• 有兩種常見的影象金字塔：高斯金字塔：用於縮減影象拉普拉斯金字塔：用於從金字塔中較低的影象重建上取樣影象（解析度較低）
• 在本教程中，我們將使用高斯金字塔。

高斯金字塔

• 想象一下金字塔是一組層，層數越高，尺寸越小。

• 每個層從底部到頂部編號，因此層(i+1)（表示為Gi+1）小於層i（Gi）。
• 為了在高斯金字塔中產生層(i+1)，我們做如下：

將Gi與高斯核心進行卷積：

刪除每個偶數行和列。

• 您可以輕鬆注意到，所得到的影象將是其前身的四分之一。在輸入影象（原始影象）上迭代該過程產生整個金字塔。G0
• 上面的過程對於縮小影象是有用的。如果我們想使它更大，怎麼辦？：填充零的列（）0

1. 首先，將影象大小增加到每個維度的兩倍，即新的偶數行和
2. 用與上述相同的核心（乘以4）執行卷積近似“丟失畫素”的值

• 這兩個過程（如上所述的下采樣和上取樣）由OpenCV函式
  cv :: pyrUp和cv :: pyrDown實現，我們將在下面的程式碼示例中看到：

注意

當我們減小影象的大小時，我們實際上丟失了影象的資訊。

程式碼實現：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;

int main(int argc, char** argv) {
	Mat src,dst1,dst2;
	src = imread("C:/usr/opencv-test/Testpictures/sight.jpg");
	if (!src.data)
	{
		printf("load image failed!\n");
		return -1;
	}
	namedWindow("src image", CV_WINDOW_AUTOSIZE);
	imshow("src image", src);


	//上取樣
	pyrUp(src, dst1, Size(src.cols * 2, src.rows * 2));
	imshow("dst1 image", dst1);

	//降取樣
	pyrDown(src, dst2, Size(src.cols / 2, src.rows / 2));
	imshow("dst2 image", dst2);

	//DOG(高斯不同)
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(3, 3), 0, 0); //高斯模糊
	GaussianBlur(g1, g2, Size(3, 3), 0, 0);
	subtract(g1, g2, dogImg, Mat());

	//歸一化顯示
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
	imshow("DOG Image", dogImg);

	
	waitKey(0);
	return 0;
}
 

效果圖：