圖像金字塔是圖像中多尺度表達(dá)的一種，最主要用于圖像的分割，是一種以多分辨率來解釋圖像的有效但概念簡(jiǎn)單的結(jié)構(gòu)。

圖像金字塔最初用于機(jī)器視覺和圖像壓縮，一幅圖像的金字塔是一系列以金字塔形狀排列的分辨率逐步降低，且來源于同一張?jiān)紙D的圖像集合。其通過梯次向下采樣獲得，直到達(dá)到某個(gè)終止條件才停止采樣。

金字塔的底部是待處理圖像的高分辨率表示，而頂部是低分辨率的近似。

我們將一層一層的圖像比喻成金字塔，層級(jí)越高，則圖像越小，分辨率越低。

高斯金字塔的底層為原始圖像，每向上一層則是通過高斯濾波和1/2采樣得到（去掉偶數(shù)行和列）。通過下采樣不斷的將圖像的尺寸縮小，進(jìn)而在金字塔中包含多個(gè)尺度的圖像，一般情況下，高斯金字塔的最底層為圖像的原圖，每上一層就會(huì)通過下采樣縮小一次圖像的尺寸，通常情況尺寸會(huì)縮小為原來的一半，但是如果有特殊需求，縮小的尺寸也可以根據(jù)實(shí)際情況進(jìn)行調(diào)整。由于每次圖像的尺寸都縮小為原來的一半，圖像尺縮小的速度非常快，因此常見高斯金字塔的層數(shù)為3到6層。

高斯濾波器可以看做一個(gè)低通濾波器，那么每經(jīng)過一次的高斯濾波，圖像中僅能夠保留某個(gè)頻率值以下的頻率部分，所以高斯金字塔也可以看做一個(gè)低通金字塔（每一級(jí)只保留某個(gè)頻率以下的成分）。

拉普拉斯金字塔與高斯金字塔正好相反，高斯金字塔通過底層圖像構(gòu)建上層圖像，而拉普拉斯是通過上層小尺寸的圖像構(gòu)建下層大尺寸的圖像。拉普拉斯金字塔具有預(yù)測(cè)殘差的作用，需要與高斯金字塔聯(lián)合一起使用，假設(shè)我們已經(jīng)有一個(gè)高斯圖像金字塔，對(duì)于其中的第i層圖像（高斯金字塔最下面為第0層），首先通過下采樣得到一尺寸縮小一半的圖像，即高斯金字塔中的第i+1層或者不在高斯金字塔中，之后對(duì)這張圖像再進(jìn)行上采樣，將圖像尺寸恢復(fù)到第i層圖像的大小，最后求取高斯金字塔第i層圖像與經(jīng)過上采樣后得到的圖像的差值圖像，這個(gè)差值圖像就是拉普拉斯金字塔的第i層圖像。

public static void pyrDown(Mat src, Mat dst, Size dstsize, int borderType) 參數(shù)一：src，輸入待下采樣的圖像。 參數(shù)二：dst，輸出下采樣后的圖像，圖像尺寸可以指定，但是數(shù)據(jù)類型和通道數(shù)與src相同， 參數(shù)三：dstsize，輸出圖像尺寸，可以缺省。 參數(shù)四：borderType，像素邊界外推方法的標(biāo)志

// C++: enum BorderTypespublic static final intBORDER_CONSTANT = 0,BORDER_REPLICATE = 1,BORDER_REFLECT = 2,BORDER_WRAP = 3,BORDER_REFLECT_101 = 4,BORDER_TRANSPARENT = 5,BORDER_REFLECT101 = BORDER_REFLECT_101,BORDER_DEFAULT = BORDER_REFLECT_101,BORDER_ISOLATED = 16;

默認(rèn)狀態(tài)下函數(shù)輸出的圖像的尺寸為輸入圖像尺寸的一半，但是也可以通過dstsize參數(shù)來設(shè)置輸出圖像的大小，需要注意的是無論輸出尺寸為多少都應(yīng)滿足下面式中條件。該函數(shù)首先將原圖像與內(nèi)核矩陣進(jìn)行卷積，內(nèi)核矩陣如下所示，之后通過不使用偶數(shù)行和列的方式對(duì)圖像進(jìn)行下采樣，最終實(shí)現(xiàn)尺寸縮小的下采樣圖像。

public static void pyrUp(Mat src, Mat dst, Size dstsize, int borderType) 參數(shù)一：src，輸入待上采樣的圖像。 參數(shù)二：dst，輸出上采樣后的圖像，圖像尺寸可以指定，但是數(shù)據(jù)類型和通道數(shù)與src相同， 參數(shù)三：dstsize，輸出圖像尺寸，可以缺省。 參數(shù)四：borderType，像素邊界外推方法的標(biāo)志 操作

class GLPyramidActivity : CardGalleryActivity() { override fun buildCards() {val bgr = Utils.loadResource(this, R.drawable.lena)val rgb = Mat()Imgproc.cvtColor(bgr, rgb, Imgproc.COLOR_BGR2RGB)bgr.release()buildGauss(rgb)rgb.release() } private fun buildGauss(source: Mat) {val gaussList = arrayListOf<Mat>()gaussList.add(source)for (i in 0..2) { val gauss = Mat() Imgproc.pyrDown(gaussList[i], gauss) gaussList.add(gauss)}for (i in gaussList.indices) { val bitmap = Bitmap.createBitmap(gaussList[i].width(),gaussList[i].height(),Bitmap.Config.ARGB_8888 ) Utils.matToBitmap(gaussList[i], bitmap) cards.add(Card('Gauss${i}', bitmap))}buildLaplace(gaussList) } private fun buildLaplace(gaussList: List<Mat>) {val laplaceList = arrayListOf<Mat>()for (i in gaussList.size - 1 downTo 1) { val lap = Mat() val upGauss = Mat() if (i == gaussList.size - 1) {val down = Mat()Imgproc.pyrDown(gaussList[i], down)Imgproc.pyrUp(down, upGauss)Core.subtract(gaussList[i], upGauss, lap)laplaceList.add(lap.clone()) } Imgproc.pyrUp(gaussList[i], upGauss) Core.subtract(gaussList[i - 1], upGauss, lap) laplaceList.add(lap.clone())}for (i in laplaceList.indices) { val bitmap = Bitmap.createBitmap(laplaceList[i].width(),laplaceList[i].height(),Bitmap.Config.ARGB_8888 ) Utils.matToBitmap(laplaceList[i], bitmap) cards.add(Card('Laplace${i}', bitmap))}for (gauss in gaussList) { gauss.release()}for (lap in laplaceList) { lap.release()} }}操作

class GLPyramidActivity : CardGalleryActivity() { override fun buildCards() {val bgr = Utils.loadResource(this, R.drawable.lena)val rgb = Mat()Imgproc.cvtColor(bgr, rgb, Imgproc.COLOR_BGR2RGB)bgr.release()buildGauss(rgb)rgb.release() } private fun buildGauss(source: Mat) {val gaussList = arrayListOf<Mat>()gaussList.add(source)for (i in 0..2) { val gauss = Mat() Imgproc.pyrDown(gaussList[i], gauss) gaussList.add(gauss)}for (i in gaussList.indices) { val bitmap = Bitmap.createBitmap(gaussList[i].width(),gaussList[i].height(),Bitmap.Config.ARGB_8888 ) Utils.matToBitmap(gaussList[i], bitmap) cards.add(Card('Gauss${i}', bitmap))}buildLaplace(gaussList) } private fun buildLaplace(gaussList: List<Mat>) {val laplaceList = arrayListOf<Mat>()for (i in gaussList.size - 1 downTo 1) { val lap = Mat() val upGauss = Mat() if (i == gaussList.size - 1) {val down = Mat()Imgproc.pyrDown(gaussList[i], down)Imgproc.pyrUp(down, upGauss)Core.subtract(gaussList[i], upGauss, lap)laplaceList.add(lap.clone()) } Imgproc.pyrUp(gaussList[i], upGauss) Core.subtract(gaussList[i - 1], upGauss, lap) laplaceList.add(lap.clone())}for (i in laplaceList.indices) { val bitmap = Bitmap.createBitmap(laplaceList[i].width(),laplaceList[i].height(),Bitmap.Config.ARGB_8888 ) Utils.matToBitmap(laplaceList[i], bitmap) cards.add(Card('Laplace${i}', bitmap))}for (gauss in gaussList) { gauss.release()}for (lap in laplaceList) { lap.release()} }}效果

上面這個(gè)拉普拉斯可能看不太清，但是細(xì)看是有圖像的。讓圖片寬度充滿看看。

為了看清拉普拉斯金字塔的圖像，圖片大小本身并非如此

github.com/onlyloveyd/…

以上就是Android基于OpenCV實(shí)現(xiàn)圖像金字塔的詳細(xì)內(nèi)容，更多關(guān)于Android OpenCV圖像金字塔的資料請(qǐng)關(guān)注好吧啦網(wǎng)其它相關(guān)文章！