opencv进阶学习笔记10：图像金字塔和图像梯度

基础版笔记传送门：
python3+opencv学习笔记汇总目录（适合基础入门学习）
进阶版笔记目录链接：
python+opencv进阶版学习笔记目录（适合有一定基础）

图像金字塔

变小

变大

原理见基础版链接，
基础版图像金字塔讲解:
opencv学习笔记19：图像金字塔和图像拉普拉斯金字塔 (用于图像放大和缩小)
向下取样实现，变小

dst=cv2.pyrDown(src)

dst:取样结果
src:原始图像

import cv2 as cv
import numpy as npdef pyramid_demo(image):level = 3temp = image.copy()pyramid_images = []for i in range(level):dst = cv.pyrDown(temp)pyramid_images.append(dst)cv.imshow("pyramid_down_"+str(i), dst)temp = dst.copy()return pyramid_images
print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("duoren.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
c=pyramid_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

拉普拉斯金字塔图像金字塔

结果=原始图像-先向下再向上
向下：尺寸变小
向上：尺寸变大

import cv2 as cv
import numpy as npdef pyramid_demo(image):level = 3temp = image.copy()pyramid_images = []for i in range(level):dst = cv.pyrDown(temp)pyramid_images.append(dst)#cv.imshow("pyramid_down_"+str(i), dst)temp = dst.copy()return pyramid_images
def lapalian_demo(image):pyramid_images = pyramid_demo(image)#首先得到高斯金字塔结果level = len(pyramid_images)for i in range(level-1, -1, -1):#从小图到大图if (i-1) < 0 :#最后一层特殊处理expand = cv.pyrUp(pyramid_images[i], dstsize=image.shape[:2])lpls = cv.subtract(image, expand)cv.imshow("lapalian_down_" + str(i), lpls)else:expand = cv.pyrUp(pyramid_images[i], dstsize=pyramid_images[i-1].shape[:2])lpls = cv.subtract(pyramid_images[i-1], expand)cv.imshow("lapalian_down_"+str(i), lpls)print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("lena.png")#图必须要是2的N次倍数
#src=cv.resize(src,(512,512))
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
lapalian_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

注意图像尺寸必须是2的倍数，否则报错
错误信息如下

cv2.error: OpenCV(4.2.0) C:\projects\opencv-python\opencv\modules\imgproc\src\pyramids.cpp:923: error: (-215:Assertion failed) std::abs(dsize.width - ssize.width*2) == dsize.width % 2 && std::abs(dsize.height - ssize.height*2) == dsize.height % 2 in function 'cv::pyrUp_'

图像梯度

基础讲解
opencv学习笔记15: 梯度运算之sobel算子及其函数使用

opencv学习笔记16：梯度运算之scharr算子及其函数使用
opencv学习笔记17：梯度运算之laplacian算子及其应用

sobel算子理论
如图，图中红色点区域，从头发到皮肤。开先处于头发区域，头发是黑色，像素点，然后处于皮肤，像素相对较高，得到下列图2，对图2求取一阶导师得到图3，可以发现边缘处导数最高。
一阶导数就是做差的意思。

算子和为0

laplacian算子理论

算子和为0

sobel算子实现

import cv2 as cv
import numpy as npdef sobel_demo(image):grad_x = cv.Scharr(image, cv.CV_32F, 1, 0)grad_y = cv.Scharr(image, cv.CV_32F, 0, 1)gradx = cv.convertScaleAbs(grad_x)#取绝对值，并转到8位二进制格式grady = cv.convertScaleAbs(grad_y)cv.imshow("gradient-x", gradx)cv.imshow("gradient-y", grady)gradxy = cv.addWeighted(gradx, 0.5, grady, 0.5, 0)cv.imshow("gradient", gradxy)print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("daqiu.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
sobel_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

scharr算子是sobel算子的增强版本。无须再讲，当sobel得到的边缘不是很好时，考虑scharr算子。

laplacian算子实现

import cv2 as cv
import numpy as npdef lapalian_demo(image):#dst = cv.Laplacian(image, cv.CV_32F)#lpls = cv.convertScaleAbs(dst)kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)lpls = cv.convertScaleAbs(dst)cv.imshow("lapalian_demo", lpls)print("--------- Python OpenCV Tutorial ---------")
src = cv.imread("daqiu.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
lapalian_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

说明代码

#dst = cv.Laplacian(image, cv.CV_32F)#lpls = cv.convertScaleAbs(dst)

等于

kernel = np.array([[1, 1, 1], [1, -8, 1], [1, 1, 1]])dst = cv.filter2D(image, cv.CV_32F, kernel=kernel)lpls = cv.convertScaleAbs(dst)

电气专业的计算机萌新，写博文不容易。如果你觉得本文对你有用，请点个赞支持下，谢谢。