opencv线性插值(上采样)

1、调用opencv的API

pyrUp(src, dst, Size(src.cols * 2, src.rows * 2));

pyrUp：API详解

这里的up是指将图像的尺寸变大，所以原始图像位于图像金字塔的顶层。

首先将当前层图像的宽高扩大2倍，插入的行和列位于偶数行或偶数列，这些位置填充数值0；然后用和pyrDown一样的kernel和当前层的图像卷积，填充到刚才插入的行列中。

接口形式：
cv2.pyrUp(src[, dst[, dstsize[, borderType]]]) ->dst
参数含义：

src：源图像；

dst：目标图像；

dstsize：缩放后目标图像的尺寸，必须满足std::abs(dsize.width – ssize.width*2) == dsize.width % 2 && std::abs(dsize.height – ssize.height*2) == dsize.height % 2

borderType：边界填充类型；

2、源码实现

先对图像进行升采样（将图像尺寸行和列方向增大一倍），然后再进行高斯平滑；

Mat UpSample(Mat src)
{Mat dst;if (src.channels() != 1)return src;dst.create(src.rows * 2, src.cols * 2, src.type());//cout << "-- " << dst.rows << " " << dst.cols << " --" << endl;int m = 0, n = 0;for (int i = 0; i < dst.rows-2; i += 2, m++){n = 0;for (int j = 0; j < dst.cols-2; j += 2, n++){//需要防止地址越界pixel_t sample = *(src.data + src.step[0] * m + src.step[1] * n);*(dst.data + dst.step[0] * i + dst.step[1] * j) = sample;pixel_t sample_x = (*(src.data + src.step[0] * m + src.step[1] * n) + *(src.data + src.step[0] * m + src.step[1] * (n+1)));*(dst.data + dst.step[0] * (i) + dst.step[1] * (j+1)) = sample_x/2;pixel_t sample_y = (*(src.data + src.step[0] * m + src.step[1] * n) + *(src.data + src.step[0] * (m+1)+ src.step[1] * (n)));*(dst.data + dst.step[0] * (i+1) + dst.step[1] * (j)) = sample_y/2;pixel_t sample_center = (*(src.data + src.step[0] * m + src.step[1] * n) +*(src.data + src.step[0] * (m + 1) + src.step[1] * (n)) +*(src.data + src.step[0] * (m + 1) + src.step[1] * (n + 1)) +*(src.data + src.step[0] * m + src.step[1] * (n + 1)));*(dst.data + dst.step[0] * (i + 1) + dst.step[1] * (j + 1)) = sample_center / 4;}}if (dst.rows < 3 || dst.cols < 3)return src;//最后两行两列for (int k = dst.rows-1; k >= 0; k--){*(dst.data + dst.step[0] * k + dst.step[1] * (dst.cols - 2)) = *(dst.data + dst.step[0] * k + dst.step[1] * (dst.cols - 3));*(dst.data + dst.step[0] * k + dst.step[1] * (dst.cols - 1)) = *(dst.data + dst.step[0] * k + dst.step[1] * (dst.cols - 3));}for (int k = dst.cols-1; k >= 0; k--){*(dst.data + dst.step[0] * (dst.rows - 2) + dst.step[1] * k) = *(dst.data + dst.step[0] * (dst.rows - 3) + dst.step[1] * k);*(dst.data + dst.step[0] * (dst.rows - 1) + dst.step[1] * k) = *(dst.data + dst.step[0] * (dst.rows - 3) + dst.step[1] * k);}dst = guassFilter(dst, 5, 1.05);return dst;
}

3、结果比较

（1）调用API

（2）源码实现

opencv线性插值(上采样)相关推荐

OpenCV 图像上采样和降采样
文章目录相关概念图像金字塔高斯金字塔高斯金字塔的生成过程高斯不同(Difference of Gaussian-DOG): 拉普拉斯金字塔采样相关API 上采样(cv::pyrUp) – ...
opencv python 图像测试上采样（升采样）（cv2.pyrUp()）下采样（cv2.pyrDown()）池化滑动窗口（BorderTypes）
文章目录 `from cv2.__init__.py` 示例1:给图片执行两次下采样示例2:给图片重复100次上下采样在学习tensorflow卷积神经网络时,需要实现图像的下采样,于是便想手动实 ...
opencv:用最邻近插值和双线性插值法实现上采样（放大图像）与下采样（缩小图像）
上采样与下采样概念: 上采样: 放大图像(或称为上采样(upsampling)或图像插值(interpolating))的主要目的是放大原图像,从而可以显示在更高分辨率的显示设备上. 下采样: 缩 ...
线性插值改变图像尺寸_图像分割--gt;上采样的那些事
在图像分割中,因为FCN的提出,上采样操作成为了分割中不可或缺的部分.上采样就是将提取到的feature map还原到原始分辨率大小的操作,但是这里要注意的是上采样不是下采样的逆过程,也就是说上采样输 ...
opencv 的norm_OpenCV学习笔记（一）之图像金字塔-上采样与降采样与DOG
一. 图像金字塔一个图像金字塔式一系列的图像组成,最底下的图形尺寸最大,最上方的图像尺寸最小. 高斯金字塔是从底向上,逐层降采样得到的. 高斯金字塔的生成过程分为两步: 1. 对当前层进行高斯模糊. ...
2020.11.03 使用OpenCV进行图像上采样、降采样以及高斯不同操作【OpenCV C++】
图像上采样,降采样以及高斯不同操作源代码: // testOpencv12.cpp : 此文件包含 "main" 函数.程序执行将在此处开始并结束. // #include &l ...
FCN全卷积网络—upsampling(上采样)——OpenCV图像金字塔
一.上采样理论 1.1 bilinear 1.2 Deconvolution(反卷积) 1.3 unpooling 二.OpenCV金字塔:高斯金字塔.拉普拉斯金字塔与图片缩放一.上采样理论 FCN ...
opencv——上采样与降采样
目录图像金字塔为什么要使用图像金字塔上采样与降采样高斯金字塔高斯不同拉普拉斯金字塔相关API 上采样降采样上采样与降采样代码实现代码效果先降采样再上采样代码实现高斯不同代码实 ...
OpenCv 金字塔之上采样与下采样
常见两类图像金字塔高斯金字塔 ( Gaussian pyramid): 用来向下/降采样,主要的图像金字塔拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样 ...

opencv线性插值(上采样)

1、调用opencv的API

pyrUp：API详解

2、源码实现

3、结果比较

（1）调用API

（2）源码实现

opencv线性插值(上采样)相关推荐

最新文章

热门文章