前言
上一篇文章 ，我们讲解了边缘梯度计算函数，这篇文章我们来了解图像金字塔。
图像金字塔？
图像金字塔被广泛用于计算机视觉应用中。
图像金字塔是一个图像集合，集合中所有的图像都源于同一个原始图像，而且是通过对原始图像连续降采样获得的。
——《学习OpenCV》
常见的图像金字塔有下面两种：
- 高斯金字塔(Gaussian pyramid): 用来向下采样
- 拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样图像
高斯金字塔
类似金字塔一样，高斯金字塔从底层原始图逐渐向下采样，越来越小。
那么如何获取下一层图像呢？
首先，和高斯内核卷积：
然后，将所有偶数行列删掉。
可见，这样下一级图像约为上一级的1/4。
那么向上变换如何变换呢？
首先先将图片行列扩大为原来的两倍，然后将添加的行列用0填充。
最后用刚刚的高斯内核乘以4后卷积。
高斯金字塔实现
var
pyrDown =
function
(__src, __dst){
__src
|| error(arguments.callee, IS_UNDEFINED_OR_NULL
/*
{line}
*/
);
if
(__src.type && __src.type == "CV_RGBA"
){
var
width =
__src.col,
height
=
__src.row,
dWidth
= ((width & 1) + width) / 2
,
dHeight
= ((height & 1) + height) / 2
,
sData
=
__src.data,
dst
= __dst ||
new
Mat(dHeight, dWidth, CV_RGBA),
dstData
=
dst.data;
var
withBorderMat = copyMakeBorder(__src, 2, 2, 0, 0
),
mData
=
withBorderMat.data,
mWidth
=
withBorderMat.col;
var
newValue, nowX, offsetY, offsetI, dOffsetI, i, j;
var
kernel = [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
];
for
(i = dHeight; i--
;){
dOffsetI
= i *
dWidth;
for
(j = dWidth; j--
;){
for
(c = 3; c--
;){
newValue
= 0
;
for
(y = 5; y--
;){
offsetY
= (y + i * 2) * mWidth * 4
;
for
(x = 5; x--
;){
nowX
= (x + j * 2) * 4 +
c;
newValue
+= (mData[offsetY + nowX] * kernel[y * 5 +
x]);
}
}
dstData[(j
+ dOffsetI) * 4 + c] = newValue / 256
;
}
dstData[(j
+ dOffsetI) * 4 + 3] = mData[offsetY + 2 * mWidth * 4 + (j * 2 + 2) * 4 + 3
];
}
}
}
else
{
error(arguments.callee, UNSPPORT_DATA_TYPE
/*
{line}
*/
);
}
return
dst;
};
dWidth = ((width & 1) + width) / 2 ,
dHeight = ((height & 1) + height) / 2
这里面a & 1等同于a % 2，即求除以2的余数。
我们实现时候没有按照上面的步骤，因为这样子效率就低了，而是直接创建一个原矩阵1/4的矩阵，然后卷积时候跳过那些要被删掉的行和列。
下面也一样，创建后卷积，由于一些地方一定是0，所以实际卷积过程中，内核有些元素是被忽略的。
var
pyrUp =
function
(__src, __dst){
__src
|| error(arguments.callee, IS_UNDEFINED_OR_NULL
/*
{line}
*/
);
if
(__src.type && __src.type == "CV_RGBA"
){
var
width =
__src.col,
height
=
__src.row,
dWidth
= width * 2
,
dHeight
= height * 2
,
sData
=
__src.data,
dst
= __dst ||
new
Mat(dHeight, dWidth, CV_RGBA),
dstData
=
dst.data;
var
withBorderMat = copyMakeBorder(__src, 2, 2, 0, 0
),
mData
=
withBorderMat.data,
mWidth
=
withBorderMat.col;
var
newValue, nowX, offsetY, offsetI, dOffsetI, i, j;
var
kernel = [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
];
for
(i = dHeight; i--
;){
dOffsetI
= i *
dWidth;
for
(j = dWidth; j--
;){
for
(c = 3; c--
;){
newValue
= 0
;
for
(y = 2 + (i & 1); y--
;){
offsetY
= (y + ((i + 1) >> 1)) * mWidth * 4
;
for
(x = 2 + (j & 1); x--
;){
nowX
= (x + ((j + 1) >> 1)) * 4 +
c;
newValue
+= (mData[offsetY + nowX] * kernel[(y * 2 + (i & 1 ^ 1)) * 5 + (x * 2 + (j & 1 ^ 1
))]);
}
}
dstData[(j
+ dOffsetI) * 4 + c] = newValue / 64
;
}
dstData[(j
+ dOffsetI) * 4 + 3] = mData[offsetY + 2 * mWidth * 4 + (((j + 1) >> 1) + 2) * 4 + 3
];
}
}
}
else
{
error(arguments.callee, UNSPPORT_DATA_TYPE
/*
{line}
*/
);
}
return
dst;
};
效果图
系列目录
参考资料
