Atitit 图像金字塔原理及概率 attilax的接头总结qb23图像金字塔入门。

 

图像金字塔

图像金字塔在图像处理领域应用比较多,上课的时刻仅记得老师称的一个盖的概念:图像金字塔和普通金字塔一样,它是同等组图像的联谊。这同组图像分辨率不一样,它套人之视觉,近处看东西清楚,原处看东西模糊。不过说罢这些没有另外用,还是无知情怎么回事。下面就是拿此记录下来,没事可以复习翻一翻译。

 

1.高斯金字塔

高斯金字塔的建过程是这么的:用高斯函数对图像进行滤波,显然这是一个不及通滤波,得到的图像就是一个歪曲的图像。对模糊的图像进行降低采样(图像宽高变为原来的形似),那么尽管落了金字塔的一模一样重合图像。重复高斯歪曲-降采样,就可依次获得相同组图像于G0,
G1, G2, G3…..即就是是金字塔的起过程。

  • 这个金字塔的树过程叫Reduce过程:
![](https://upload-images.jianshu.io/upload_images/1794530-74c22d96c3a0c74d.jpg)

Reduce过程
  • 与上述过程对应之Expand过程:
    所谓Expand,就是用上述过程反过来。即对Reduce得到的结果比如G3进行腾采样,然后开展高斯滤波,那么即使足以抱上图的Expand(G3),但是此时高斯滤波卷积核值加起吧4,不是1了,因为起采样过程图像成为原来的4倍增,但是大多出像素全是0,如果滤波器卷积核值加起要1,那图像整体就会更换暗生多。
![](https://upload-images.jianshu.io/upload_images/1794530-17ee7c950a1def3e.jpg)

Expand过程

Atitit 图像金字塔原理及概率 attilax的晓总结qb23

2.拉普拉斯金字塔

为此第i层的高斯金字塔减去第i+1层的高斯金字塔Expand之后的结果就是拉普拉斯金字塔LP(i)。即
: LP(i) = G(i) – Expand(G(i +
1))。直观上的接头就是是跌采样过程被丢失的细节信息。高斯金字塔降采样,升采样函数在OpenCV里面用示例:

pyrUp(srcImage, dstImage, Size(srcImage.cols * 2, srcImage.rows * 2));  

pyrDown(srcImage, dstImage, Size(srcImage.cols / 2, srcImage.rows / 2));

 

3.高斯差分(DOG)金字塔

每当SIFT特征提取过程遭到,提及到一个大多规格的高斯差分尺度空间DOG,而DOG是对准LOG的等同种恍若(LOG有标准不转换特性,所以SIFT特征提取用LOG算子的近似来提取特征点),简化了算。高斯差分金字塔在上述高斯金子塔的底子及,对各个一样重叠开展了不同水平的高斯模糊。然后对同样层之间不等模糊尺度的图像进行作差,就获了高斯差分金字塔。

1.1.
高斯金字塔  (  Gaussianpyramid): 拉普拉斯金字塔 (Laplacianpyramid):1

1.2.
图像金字塔 高斯金字塔 采样金字塔1

1.3.
尺度空间的目的是『见林又能够呈现木』,墨迹一点的解说就是是,在亚标准下足扣押明白很多细节,在胜规格下可以看看轮廓
2

1.4.
在同等轴图像遭到,要想描述真实世界之构造及信息,多规格描述至关重要。2

1.5.
图像金字塔这种结构在图像处理着生大的用途。最有名的风味匹配算子SIFT就是经组织图像金字塔来就的。
3

1.6.
每当靶检测领域,图像被的物体通常十分可能是远近不一,大小不一的
3

1.7.
图像金字塔最初用于机器视觉和图像压缩,4

 

 

1.1. 高斯金字塔  (  Gaussianpyramid): 拉普拉斯金字塔 (Laplacianpyramid):

相似情况下发生些许种植档次的图像金字塔常常出现于文献与跟实际利用中。他们各自是:

 

高斯金字塔  (  Gaussianpyramid): 用来向下采样,主要的图像金字塔

 

拉普拉斯金字塔 (Laplacianpyramid): 用来打金字塔低层图像重建上层未采样图像,在数字图像处理中呢尽管凡是预测残差,可以对图像进行最可怜程度之东山再起,配合高斯金字塔一起使用

 

1.2. 图像金字塔 高斯金字塔 采样金字塔

图像金字塔是经过将原有图像经过平滑、下采样所大成一名目繁多具有不同分辨率的图像的聚合。金字塔结构(Pyramid)适于多分辨率处理的一律种图像存储数据结构

最好常用的转移图像金字塔的不二法门是运高斯函数平滑图像,每次将分辨率降低吗本来的一半,由此得到一个图像序列{ML,ML-1,……,M0},图像金字塔的存储量为N^2*(1+1/4+1/16+…)=(4*N^2)/3。

1.3. 尺度空间的目的是『见林又会呈现木』,墨迹一点的分解就是是,在低标准下得以看明白很多细节,在强规格下好见见轮廓

1.4. 在平帧图像遭到,要想描述真实世界的结构和信息,多规格描述至关重要

值得注意的凡,事物在实际世界被凡是客观存在的,但经过图像,在不同口径下感知到之音是差的。

 

2

 

高斯图像金字塔

    此处为SIFT算法中之高斯图像金字塔(Gaussian
Pyramid)
啊例,解释图像金字塔的重组。尺度可变的高斯函数如下:

 

 

1.5. 图像金字塔这种结构在图像处理着产生广泛的用途。最资深的特点匹配算子SIFT就是经组织图像金字塔来就的。

有关图像金字塔在SIFT特征提取算法遇之动可参见Rachel
Zhang的博文”SIFT特征提取分析”。

 

1.6. 于目标检测领域,图像遭到的物体通常十分可能是远近不一,大小不一的

,可以采取金字塔来检测不同标准下的物体。但又您呢得以应用不同大小的sliding
window在原图上开检测。

按照前面说的对象检测,有些情况下目标的变更法范围实际上是颇简单的,此时应有适中的设定条件之数,来压缩非必要的计算量。比如您可但下跌采样三不良,你吗可以下降采样八不行,去极端上面的老三只标准化。后者的功利是……快

 

遵OpenCV里SIFT的贯彻默认是达采样一次于,降采样至无法再次压缩了。很多下你其实不需这样精细的特征点或这么high
level的特征点,也许有点改变一下参数就可优化一些速度回来。这里呢需要取一下SURF的反向模拟尺度空间的思绪,跟方提到的高维LBP的笔触要发同方。

当触发特征里面,有时候你希望而的接触在总体尺度空间里都是颇强的,不是那种以绝初步要一个于大之特征点,尺度大了今后这特征点就消灭了。你盼您不过处理那些从始至终都较独立的特征点,那若就是可以以金字塔的顶层提取特征点,然后只是在脚的层开展有搜索验证……这样你可以一边提取在死鲁棒的descriptor,一边还快如闪电……

视觉里面很多像样直观且简单的东西往往发生层出不穷用法,除了及时金字塔,还有以直方图,比如二值化,比如卷积,比如积分图,比如去变换……等等等等。虽然都未是什么高档的事物,一而就此到巧处,也深啊。

 

 

1.7. 图像金字塔早期用于机器大红鹰葡京会娱乐视觉和图像压缩,

平幅图像的金字塔是一律文山会海以金字塔形排列的分辨率逐步下降的图像集合。金字塔的底层是需要处理图像的高分辨率表示,而顶部是低分辨率的近乎。当于金字塔的上层移动时,尺寸和分辨率就狂跌。
辩论及摆,最好是2^n * 2 ^n
尺寸的图样,但实际我们由此补0扩展、近似、内插等方式,可以拍卖任何尺寸的图。

当一些边缘检测算法里面,为了忽略比较弱的限度,也会采取尺度空间来拓展降低采样(对,高斯滤波大部分上吃清楚成某种去噪/平滑操作,其实呢是尺度空间思想)。

每当一部分因特征的分类以及辨别问题中,也发出尺度空间的影。比如根据高维LBP的人脸识别,其中LBP直方图的提方式就是含有含有尺度空间的想想。

尺度空间的想法其实挺直观(当然证明她干吗那么组织或会见较辛苦),但是以尺度空间的布局与操作往往也是算法里面比较艰难的地方,所以本着的优化也应当说一下。

 

 

OpenCV图像处理篇之采样金字塔

  • xiahouzuoxin – 博客频道 – CSDN.NET.html

图像处理的高斯金字塔 – 流浪的鱼 –
博客频道 – CSDN.NET.html

(3
长长的信息) 图像金字塔除了sift算法之外还有呀用? – 知乎.html

Python图像处理(16):图像金字塔.html

12图像金字塔.htm

 

作者:: 绰号:老哇的爪子 ( 全名::Attilax Akbar Al Rapanui 阿提拉克斯 阿克巴 阿尔 拉帕努伊 ) 

汉字名:艾提拉(艾龙),   EMAIL:1466519819@qq.com

转载请注明来源: http://www.cnblogs.com/attilax/

Atiend

 

 

相关文章

admin

网站地图xml地图