資訊專欄INFORMATION COLUMN
摘要：所以這幅圖像的面積就變?yōu)樵瓉韴D像面積的四分之一這被稱為一個(gè)八度。
Image Pyramids
圖像金字塔通常，我們曾經(jīng)使用恒定大小的圖像.但在某些情況下，我們需要使用不同分辨率的（相同）圖像.例如，在搜索圖像中的某些內(nèi)容時(shí)，如臉部，我們不確定該對(duì)象在所述圖像中的大小.
具有不同分辨率的圖像被稱為圖像金字塔（因?yàn)楫?dāng)它們保持在堆疊中，底部具有最高分辨率圖像而頂部具有最低分辨率圖像時(shí)，它看起來像金字塔）.
圖像金字塔有兩種:
高斯金字塔和
拉普拉斯金字塔
高斯金字塔的頂部是通過將底部圖像中的連續(xù)的行和列去除得到的.頂部圖像中的每個(gè)像素值等于下一層圖像中 5 個(gè)像素的高斯加權(quán)平均值.這樣操作一次一個(gè) MxN 的圖像就變成了一個(gè) M/2xN/2 的圖像。所以這幅圖像的面積就變?yōu)樵瓉韴D像面積的四分之一.這被稱為an Octave（一個(gè)八度）。連續(xù)進(jìn)行這樣的操作就會(huì)得到一個(gè)分辨率不斷下降的圖像金字塔.
函數(shù)cv2.pyrDown()從一個(gè)高分辨率大尺寸的圖像向上構(gòu)建一個(gè)金子塔 （尺寸變小，分辨率降低）.
代碼：
import cv2
img = cv2.imread("img.jpg")
lower_reso = cv2.pyrDown(img)
cv2.imshow("src",img)
cv2.imshow("HigherReso",lower_reso)
cv2.waitKey()
繼續(xù)使用函數(shù)cv2.pyrUp()從一個(gè)低分辨率小尺寸的圖像向下構(gòu)建一個(gè)金子塔（尺寸變大，但分辨率不會(huì)增加）
代碼：
import cv2
img = cv2.imread("img.jpg")
lower_reso = cv2.pyrDown(img)
higher_reso2 = cv2.pyrUp(lower_reso)
cv2.imshow("show",higher_reso2)
cv2.waitKey()
NOTE：
當(dāng)用 cv2.pyrDown()，圖像的分辨率就會(huì)降低，信息就會(huì)被丟失.如果先cv2.pyrDown()產(chǎn)生的中間圖像再使用函數(shù)cv2.pyrUp()得到圖像，與原圖像相比分辨率差了很多.
可以修改代碼：
import cv2
img = cv2.imread("img.jpg")
higher_reso2 = cv2.pyrUp(img)
lower_reso = cv2.pyrDown(higher_reso2)
cv2.imshow("show",lower_reso)
cv2.waitKey()
拉普拉斯金字塔由高斯金字塔形成，大部分元素都是零，用于圖像壓縮.
代碼：
import cv2
img = cv2.imread("img.jpg")
img = cv2.Canny(img, 100, 200)
higher_reso2 = cv2.pyrUp(img)
lower_reso = cv2.pyrDown(higher_reso2)
cv2.imshow("src",img)
cv2.imshow("higher_reso2",higher_reso2)
cv2.imshow("lower_reso",lower_reso)
cv2.waitKey()
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/42005.html
摘要：但無論是用于何種用途，這些圖像都需要進(jìn)行處理。圖像處理中的常見任務(wù)包括顯示圖像，基本操作如裁剪翻轉(zhuǎn)旋轉(zhuǎn)等，圖像分割，分類和特征提取，圖像恢復(fù)和圖像識(shí)別。圖像處理系統(tǒng)有時(shí)被稱為圖像處理的瑞士軍刀。 showImg(https://segmentfault.com/img/remote/1460000019631626); 原文標(biāo)題：10 Python image manipulation...
摘要：我盡可能對(duì)深度學(xué)習(xí)目標(biāo)檢測器的組成做一個(gè)概述，包括使用預(yù)訓(xùn)練的目標(biāo)檢測器執(zhí)行任務(wù)的源代碼。當(dāng)我們理解了什么是目標(biāo)檢測時(shí)，隨后會(huì)概述一個(gè)深度學(xué)習(xí)目標(biāo)檢測器的核心模塊。方法傳統(tǒng)的目標(biāo)檢測技術(shù)路線第一個(gè)方法不是純端到端的深度學(xué)習(xí)目標(biāo)檢測器。 目標(biāo)檢測技術(shù)作為計(jì)算機(jī)視覺的重要方向，被廣泛應(yīng)用于自動(dòng)駕駛汽車、智能攝像頭、人臉識(shí)別及大量有價(jià)值的應(yīng)用上。這些系統(tǒng)除了可以對(duì)圖像中的每個(gè)目標(biāo)進(jìn)行識(shí)別、分類以外...
閱讀 1448·2023-04-25 19:51
閱讀 1936·2019-08-30 15:55
閱讀 1748·2019-08-30 15:44
閱讀 2707·2019-08-30 13:58
閱讀 2702·2019-08-29 16:37
閱讀 1082·2019-08-29 15:34
閱讀 4017·2019-08-29 11:05
閱讀 2633·2019-08-28 17:51
