09- OpenCV：图像上采样和降采样

1、上采样和降采样简介

2、采样的应用场景

3、采样的API

4、图像金字塔概念

5、代码演示

1、上采样和降采样简介

在图像处理中，上采样（Upsampling）和降采样（Downsampling）是常用的操作。

（1）上采样（Upsampling）

上采样是将图像的分辨率增加的过程，通常使用插值方法来填充新生成的像素。OpenCV中常用的上采样函数是cv::resize，可以通过指定目标图像的尺寸来实现上采样。

（2）降采样（Downsampling）

降采样（Downsampling）：降采样是将图像的分辨率减小的过程，通常是通过删除或合并像素来实现。OpenCV中常用的降采样函数是cv::pyrDown，可以将图像尺寸减小一半

2、采样的应用场景

采样主要用于改变图像的分辨率；

（1）图像缩放：上采样和降采样可以用于调整图像的尺寸，实现图像的放大或缩小操作。上采样可以增加图像的分辨率，降采样可以减小图像的分辨率。

（2）图像金字塔：上采样和降采样是构建图像金字塔的基础操作。图像金字塔可以用于多尺度图像处理，如图像融合、图像特征提取、图像分割等。

（3）目标检测与识别：在目标检测和识别任务中，通常需要对输入图像进行预处理。上采样和降采样可以用于将输入图像调整到模型要求的尺寸，以便进行后续的处理和分析。

（4）图像压缩：在图像压缩算法中，降采样被广泛应用。通过降低图像的分辨率，可以减少图像数据的量，从而实现图像的压缩。

（5）图像重建：在图像重建任务中，上采样可以用于恢复图像的细节信息。通过上采样操作，可以将低分辨率的图像重建为高分辨率的图像。

（6）图像处理滤波：在一些图像处理滤波算法中，如模糊滤波、锐化滤波等，通常需要对图像进行上采样或降采样操作，以便更好地处理图像的细节和特征。

这些只是上采样和降采样的一些常见应用场景，实际上还有很多其他领域和任务也会使用到这两种操作。根据具体的需求和任务，选择合适的上采样和降采样方法非常重要。

3、采样的API

（1）上采样(cv::pyrUp) – zoom in 放大

pyrUp(Mat src, Mat dst, Size(src.cols*2, src.rows*2)) 生成的图像是原图在宽与高各放大两倍

// 函数原型

cv::pyrUp(

InputArray src, // 输入图像

OutputArray dst, // 输出图像，尺寸为原图像的2倍

const Size& dstsize = Size(), // 目标图像的尺寸，默认为空，表示根据原图像计算得出

int borderType = BORDER_DEFAULT // 边界类型，默认为BORDER_DEFAULT

)

（2）降采样 (cv::pyrDown) – zoom out 缩小

pyrDown(Mat src, Mat dst, Size(src.cols/2, src.rows/2)) 生成的图像是原图在宽与高各缩小1/2

// 函数原型

cv::pyrDown(

InputArray src, // 输入图像

OutputArray dst, // 输出图像，尺寸为原图像的一半

const Size& dstsize = Size(), // 目标图像的尺寸，默认为空，表示根据原图像计算得出

int borderType = BORDER_DEFAULT // 边界类型，默认为BORDER_DEFAULT

)

4、图像金字塔概念

（1）我们在图像处理中常常会调整图像大小，最常见的就是放大(zoom in)和缩小（zoom out），尽管几何变换也可以实现图像放大和缩小，但是这里我们介绍图像金字塔

一个图像金字塔式一系列的图像组成，最底下一张是图像尺寸最大，最上方的图像尺寸最小，从空间上从上向下看就想一个古代的金字塔。

从图看得出来：

— 分辨率往下越来越高，叫“上采样”，得到一个更高分辨率的图像。

—分辨率往上越来越低，叫“降采样”，得到一个更低分辨率的图像。

（2）认识2个重要的概念：

— 高斯金子塔 – 用来对图像进行降采样

— 拉普拉斯金字塔：用来重建一张图片根据它的上层降采样图片

（3）图像金字塔概念 – 高斯金字塔

1）高斯金子塔是从底向上，逐层降采样得到。

2）降采样之后图像大小是原图像MxN的M/2 x N/2 ,就是对原图像删除偶数行与列，即得到降采样之后上一层的图片。

3）高斯金子塔的生成过程分为两步：

- 对当前层进行高斯模糊

- 删除当前层的偶数行与列

即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。

（4）高斯不同(Difference of Gaussian-DOG)

1）定义：就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。称为高斯不同(DOG)

2）高斯不同是图像的内在特征，在灰度图像增强、角点检测中经常用到。

5、代码演示

#include <opencv2/opencv.hpp>
#include <iostream>
#include "math.h"

using namespace cv;
int main(int agrc, char** argv) {
	Mat src, dst;
	src = imread("test.jpg");
	if (!src.data) {
		printf("could not load image...");
		return -1;
	}

	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "sample up";
	namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_WIN, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);

	// 上采样
	pyrUp(src, dst, Size(src.cols*2, src.rows * 2));
	imshow(OUTPUT_WIN, dst);

	// 降采样
	Mat s_down;
	pyrDown(src, s_down, Size(src.cols / 2, src.rows / 2));
	imshow("sample down", s_down);

	// DOG
	Mat gray_src, g1, g2, dogImg;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, g1, Size(5, 5), 0, 0);
	GaussianBlur(g1, g2, Size(5, 5), 0, 0);
	subtract(g1, g2, dogImg, Mat());

	// 归一化显示
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);
	imshow("DOG Image", dogImg);

	waitKey(0);
	return 0;
}

效果展示：（左边是高斯金字塔，右边是高斯不同DOG）