前言 上一篇文章，我們講解了邊緣梯度運算函數，這篇文章我們來了解影像金字塔。
影像金字塔？ 影像金字塔被廣泛用於電腦視覺應用。
影像金字塔是一個影像集合，集合中所有的影像都源自於同一個原始影像，而且是透過對原始影像連續降採樣而獲得的。
常見的圖像金字塔有下面兩種：
•高斯金字塔(Gaussian pyramid): 用來向下取樣
•拉普拉斯金字塔(Laplacian pyramid) : 用來從金字塔低層影像重建上層未取樣影像
高斯金字塔
類似金字塔一樣，高斯金字塔從底層原始圖逐漸向下取樣，越來越小。
那麼如何取得下一層影像呢？ 首先，和高斯內核卷積：
然後，將所有偶數行列刪除。
可見，這樣下一層影像約為上一層的1/4。
那麼向上變換如何變換呢？ 先將圖片行列擴大為原來的兩倍，然後將新增的行列用0填滿。
最後用剛剛的高斯內核乘以4後卷積。
高斯金字塔實作 複製程式碼
程式碼
var pyrDown = function(__src, __dst){
__src || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
if(__src.type && __src.type && __src.type && __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 = ppyMakeB , 2, 2, 0, 0),
mData = withBorderMat.data,
mWidth = withBorderMat.col;
var newValue, nowX, offsetY, offsetI, dOffsetI, i, jvar; kernel = [1, 4, 6, 4, 1,
, 16, 24, 16, 4,
, 24, 36, 24, 6,
, 16, 24, 16, 4,
, 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] = * 4 3] = * 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
這裡面a & 1等同於a % 2，即求除以2的餘數。
我們實現時候沒有按照上面的步驟，因為這樣子效率就低了，而是直接創建一個原矩陣1/4的矩陣，然後卷積時候跳過那些要被刪除的行和列。
下面也是一樣，創建後卷積，由於某些地方一定是0，所以實際卷積過程中，內核有些元素是被忽略的。
程式碼如下:
varpyrUp = function(__src, __dst){
__src ||錯誤(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
if(__src.type && __src.type == "CV_RGBA"){
var width = __src.col,
高度 = __src.row,
dWidth = width * 2,
dHeight = 高度* 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 內核 = [1, 4, 6, 4, 1,
, 16, 24, 16, 4,
, 24, 36, 24, 6,
, 16, 24, 16 , 4,
, 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} */);
}
返回目的地;
};
效果圖
