Python代码：数字图像处理（DIP）7.1.1图像金字塔example7.1

Approximation and prediction residual pyramids

知识请看课本，这里交流代码如下：

import cv2
import numpy as np
from matplotlib import pyplot as plt#二维卷积操作
def correl2d(img, window):      #window表示滤波模板，img表示原始矩阵#获取模板的行和列m = window.shape[0]n = window.shape[1]#边界通过0灰度值填充扩展(在原来的基础上扩大m-1行，n-1列)，保证图像大小不变img1 = np.zeros((img.shape[0]+m-1,img.shape[1]+n-1))#然后从扩充后的矩阵中截取和输入图像（矩阵）同样大小的一块儿，当然是从中间截取的img1[(m-1)//2:(img.shape[0]+(m-1)//2),(n-1)//2:(img.shape[1]+(n-1)//2)] = imgimg2 = np.zeros(img.shape)#逐像素移动模板for i in range(img2.shape[0]):for j in range(img2.shape[1]):temp = img1[i:i+m,j:j+n]img2[i,j] = np.sum(np.multiply(temp,window))return img2  def Downsampler2d(img, factor=2):#默认下采样因子为 2factor = int(factor)height = img.shape[0]width = img.shape[1]newimg = np.zeros([int(width / factor), int(height / factor)])for i in range(newimg.shape[0]):for j in range(newimg.shape[1]):newimg[i,j] = img[factor*i, factor*j]return newimgdef Upsampler2d(img, factor=2):factor = int(factor)height = img.shape[0]width = img.shape[1]newimg = np.zeros([int(width * factor), int(height * factor)])for i in range(height):for j in range(width):newimg[i*factor, j*factor] = img[i, j]return newimgdef get_bilinear_filter(filter_shape, upscale_factor):##filter_shape is [width, height, num_in_channels, num_out_channels]kernel_size = 2*upscale_factor - upscale_factor%2### Centre location of the filter for which value is calculatedif kernel_size % 2 == 1:centre_location = upscale_factor - 1else:centre_location = upscale_factor - 0.5bilinear = np.zeros([filter_shape[0], filter_shape[1]])for x in range(filter_shape[0]):for y in range(filter_shape[1]):value = (1 - abs((x - centre_location)/ upscale_factor)) * (1 - abs((y - centre_location)/ upscale_factor))bilinear[x, y] = valuereturn bilinearGaussianLowpass = np.array([[1, 2, 1],[2, 4, 2],[1, 2, 1]]) / 16img_a1 = cv2.imread('Fig0704_Vase.tif',0)img_a2 = correl2d(img_a1, GaussianLowpass)
img_a2 = Downsampler2d(img_a2)img_a3 = correl2d(img_a2, GaussianLowpass)
img_a3 = Downsampler2d(img_a3)img_a4 = correl2d(img_a3, GaussianLowpass)
img_a4 = Downsampler2d(img_a4)
#show
# plt.figure('original')
# plt.imshow(img_a1, cmap='gray')
# plt.axis('off') #去掉坐标轴
# plt.figure('approximation pyramid')
# plt.imshow(img_a2, cmap='gray')
# plt.axis('off') #去掉坐标轴
# plt.show
#save
plt.imsave('approximation pyramid_a2.jpg', img_a2, cmap='gray')
plt.imsave('approximation pyramid_a3.jpg', img_a3, cmap='gray')
plt.imsave('approximation pyramid_a4.jpg', img_a4, cmap='gray')Bilinear_Interpolation_Filter = get_bilinear_filter((4,4), 2)
LaplacianFilter = np.array([[-1,-1,-1],[-1,8,-1],[-1,-1,-1]])img_b3 = Upsampler2d(img_a4)
img_b3 = correl2d(img_b3, Bilinear_Interpolation_Filter)
img_b3 = correl2d(img_b3, LaplacianFilter)img_b2 = Upsampler2d(img_a3)
img_b2 = correl2d(img_b2, Bilinear_Interpolation_Filter)
img_b2 = correl2d(img_b2, LaplacianFilter)img_b1 = Upsampler2d(img_a2)
img_b1 = correl2d(img_b1, Bilinear_Interpolation_Filter)
img_b1 = correl2d(img_b1, LaplacianFilter)plt.imsave('Laplacian_pyramid_b3.jpg', img_b3, cmap='gray')
plt.imsave('Laplacian_pyramid_b2.jpg', img_b2, cmap='gray')
plt.imsave('Laplacian_pyramid_b1.jpg', img_b1, cmap='gray')

第一个函数为卷积操作，0填充，没有设置步长
第二个和第三个函数是下采样和上采样函数，函数如课本一样
第三个是获得双线性插值卷积核，这里获得的是（4,4）大小卷积核，详细讲解看：
双线性插值（Bilinear Interpolation）
结果
近似金字塔

后面的结果不知道对吗，希望大家教一下

Python代码：数字图像处理（DIP）7.1.1图像金字塔example7.1相关推荐

第2章 Python 数字图像处理(DIP) --数字图像基础3 - 图像内插 - 最近邻内插 - 双线性插值 - 双三次内插 - 图像放大
目录图像内插放大图像图像内插内插通常在图像放大.缩小.旋转和几何校正等任务中使用.内插并用它来调整图像的大小(缩小和放大),缩小和放大基本上采用图像重取样方法最近邻内插,这种方法将原图像中最 ...
第2章 Python 数字图像处理(DIP) --数字图像基础2 - 图像感知要素 - 图像取样和量化 - 空间分辨率和灰度分辨率
目录图像感知与获取一个简单的成像模型图像取样和量化空间分辨率和灰度分辨率图像感知与获取一个简单的成像模型我们用形如 f(x,y)f(x,y)f(x,y) 的二维函数来表示图像.在空间坐标 ...
第1章 Python 数字图像处理(DIP) --绪论
Python 数字图像处理关于本专栏此专栏为 Python 数字图像处理(DIP)(冈萨雷斯版),专栏里文章的内容都是来自书里,全部手打,非OCR,因为很多公式,都是用LaTex输入,力求更好看的 ...
基于python的数字图像处理--学习笔记（三）
基于python的数字图像处理--学习笔记(三) 前言一.灰度拉伸二.幂律(伽马)变换三.对数变换前言进入冈萨雷斯的第三章内容,并用python实现功能.我更改了代码源,之前找到太烂了,代码 ...
数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
数字图像处理笔记（一）——图像存储空间，分辨率，图像内插
数字图像处理笔记(一)--图像存储空间,分辨率,图像内插本系列笔记是笔者在学习冈萨雷斯<数字图像处理>第三版时做的总结,日后看的时候方便点,如果有幸得到大家的讨论,喜上眉梢. 本节参考书 ...
图像处理边缘增强matlab,数字图像处理实验 matlab 图像增强边缘检测图像操作.doc...
数字图像处理实验 matlab 图像增强边缘检测图像操作实验1 点运算和直方图处理实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理. ...
第2章 Python 数字图像处理(DIP) --数字图像基础5 -- 算术运算、集合、几何变换、傅里叶变换等
目录数字图像处理所有的基本数字工具介绍算术运算集合运算和逻辑运算空间运算向量与矩阵运算图像变换图像和随机变量数字图像处理所有的基本数字工具介绍算术运算 # 相加 img_ori = ...
数字图像处理与python实现_数字图像处理学习（2）—— 图像直方图均衡与图像匹配（python实现）...
数字图像处理学习(2)-- 直方图均衡与图像匹配 1. 直方图均衡(Histogram Equalization) 1.1 直方图均衡化概念 1.2 直方图均衡实现简单思路 1.3 直方图均衡实现代码 ...
Python实现数字图像处理之5种彩色空间转换（单图+多图+视频）
本文主要运用用Python代码实现了5种彩色空间之间的转换! 具体而言,包括: 1)RGB → CMY: 2) CMY → RGB: 3) RGB → HSI: 4) HSI → RGB: 5) ...

Python代码：数字图像处理（DIP）7.1.1图像金字塔example7.1

Approximation and prediction residual pyramids

Python代码：数字图像处理（DIP）7.1.1图像金字塔example7.1相关推荐

最新文章

热门文章