B08 - 图像处理 - 图像金字塔

发表于 更新于 分类于 ， ， 阅读次数： 本文字数： 2k 阅读时长 ≈ 2 分钟

图像金字塔的原理及应用

什么是图像金字塔？

  • 图像金字塔是图像的集合，所有图像都来自单个原始图像，这些图像被连续下采样，直到达到某个所需的停止点
  • 有两种常见的图像金字塔，高斯金字塔：用于对图像进行缩减采样；拉普拉斯金字塔：用于从金字塔中较低的图像（分辨率较低）重建上采样图像
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    img = cv2.imread("../images/imgLena.tif", flags=1)
    # 图像向下取样
    pyrD0 = img.copy()
    pyrD1 = cv2.pyrDown(pyrD0)
    pyrD2 = cv2.pyrDown(pyrD1)
    pyrD3 = cv2.pyrDown(pyrD2)
    show_images([pyrD0,pyrD1,pyrD2,pyrD3])
    # 图像向上取样
    pyrU3 = pyrD3.copy()
    pyrU2 = cv2.pyrUp(pyrU3)
    pyrU1 = cv2.pyrUp(pyrU2)
    pyrU0 = cv2.pyrUp(pyrU1)
    show_images([pyrU0,pyrU1,pyrU2,pyrU3])

什么是高斯金字塔？

  • 高斯金字塔用于下采样，即类似卷积的过程，采用高斯核对图像进行处理，如上图将原图往右逐渐减小 4 层
  • 注意：应用高斯金字塔后，无法 100% 还原真实图片，即 higher_reso 2!=img
    1
    2
    3
    img = cv.imread('messi5.jpg')
    lower_reso = cv.pyrDown(higher_reso)
    higher_reso2 = cv.pyrUp（lower_reso）

什么是拉普拉斯金字塔？

  • 拉普拉斯金子塔是由高斯金子塔生成，没有特有的拉普拉斯金字塔的函数。拉普拉斯金字塔图像更像是边界图像，它的大部分元素为零。常用于图像压缩，生成公式如下，其中 Li 表示第 i 层拉普拉斯图像，Gi 表示第 i 层的高斯金字塔图像，Up（Gi+1）表示对 Gi 的上采

Li=Gi−UpGi+1)L_\mathrm{i}=\mathrm{G}_\mathrm{i}-\mathrm{Up}\mathrm{G}_{\mathrm{i+1}})

图像金字塔的作用？

  • 特征点提取（SIFT、HOG、ORB 等）：赋予特征点尺度不变性特点。相同的物体在不同距离下拍摄，在图像上呈现不同尺度的大小。那么在原图中构建图像金字塔，模拟这种不同距离拍摄的现象，由此提取的特征点也具有尺度不变性
  • 模板匹配：减少匹配时间，提高效率。对模板和待匹配图像分别做图像金字塔，先从金字塔尖的图像开始匹配，由于分辨率较小，所以匹配时间较短，接着在此位置基础上，在下一层该位置周围局部区域继续进行匹配，直到最后一层完成匹配
  • 光流跟踪：直接法跟踪，解决前后两帧相对运动距离过大的问题

图像金字塔应用于图像合成？

  • 由于图像噪声、光照、曝光度、模型匹配误差等因素，图像直接拼接合成会在图像重叠区域的拼接处出现明显的痕迹。图像融合的目的就是使两幅图像的重叠区域过渡自然且平滑
  • 拉普拉斯金字塔将源图像分解到不同的频带，越高频的图像信息越到上层。在相同显示尺寸下比较不同分辨率的拉普拉斯图像，可以发现不同尺度下关注的细节是不同的，低分辨率下关注的是较大尺度的基本纹理，而高分辨率下关注的是更精细的纹理
  • 因此，可以针对不同分解层的频带特征与细节，采用不同的融合算子以突出特定频带上特征与细节，也就可以将不同图像的特征与细节融合在一起

什么是差分金字塔？

  • 差分金字塔是在高斯金字塔的基础上构建起来的，其实生成高斯金字塔的目的就是为了构建 DOG 金字塔
  • DOG 金字塔的第 1 组第 1 层是由高斯金字塔的第 1 组第 2 层减第 1 组第 1 层得到的。以此类推

参考：