OpenCV探索之路（五）：圖片縮放和圖像金字塔

對圖像進行縮放的最簡單方法當然是調用resize函數啦！

resize函數可以將源圖像精確地轉化為指定尺寸的目標圖像。

要縮小圖像，一般推薦使用CV_INETR_AREA來插值；若要放大圖像，推薦使用CV_INTER_LINEAR。

現在說說調用方式

第一種，規定好你要圖片的尺寸，就是你填入你要的圖片的長和高。

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//圖片的縮小與放大
int main()
{
	Mat img = imread("lol5.jpg");
	imshow("原始圖", img);

	Mat dst = Mat::zeros(512, 512, CV_8UC3); //我要轉化為512*512大小的
	resize(img, dst, dst.size());

	imshow("尺寸調整之后", dst);

	waitKey(0);

}

第二種，填入你要縮小或者放大的比率。

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//圖片的縮小與放大
int main()
{
	Mat img = imread("lol5.jpg");
	imshow("原始圖", img);

	Mat dst;
	resize(img, dst, Size(),0.5,0.5);//我長寬都變為原來的0.5倍

	imshow("尺寸調整之后", dst);

	waitKey(0);

}

接下來說說圖像金字塔

說白了，圖像金字塔就是用來進行圖像縮放的，干的事情跟resize函數沒兩樣，那我們還需要學它嗎？我覺得有必要的額，因為在學習卷積神經網絡中會遇到這個名詞，所以都學一學吧，搞圖形都繞不過他！

說說什么是圖像金字塔。

其實非常好理解，如上圖所示，我們將一層層的圖像比喻為金字塔，層級越高，則圖像尺寸越小，分辨率越低。

兩種類型的金字塔：

• 高斯金字塔：用於下采樣，主要的圖像金字塔；
• 拉普拉斯金字塔：用於重建圖像，也就是預測殘差（我的理解是，因為小圖像放大，必須插入一些像素值，那這些像素值是什么才合適呢，那就得進行根據周圍像素進行預測），對圖像進行最大程度的還原。比如一幅小圖像重建為一幅大圖像，

圖像金字塔有兩個高頻出現的名詞：上采樣和下采樣。現在說說他們倆。

• 上采樣：就是圖片放大（所謂上嘛，就是變大），使用PryUp函數
• 下采樣：就是圖片縮小（所謂下嘛，就是變小），使用PryDown函數

下采樣將步驟：

1. 對圖像進行高斯內核卷積
2. 將所有偶數行和列去除

下采樣就是圖像壓縮，會丟失圖像信息。

上采樣步驟：

1. 將圖像在每個方向放大為原來的兩倍，新增的行和列用0填充；
2. 使用先前同樣的內核（乘以4）與放大后的圖像卷積，獲得新增像素的近似值。

上、下采樣都存在一個嚴重的問題，那就是圖像變模糊了，因為縮放的過程中發生了信息丟失的問題。要解決這個問題，就得看拉普拉斯金字塔了。

下面給出OpenCV中pryUp和pryDown的用法。

#include<opencv2\opencv.hpp>   
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

//圖像金字塔
int main()
{
	Mat img = imread("lol8.jpg");
	imshow("原始圖", img);

	Mat dst,dst2;
	pyrUp(img, dst, Size(img.cols*2, img.rows*2)); //放大一倍
	pyrDown(img, dst2, Size(img.cols * 0.5, img.rows * 0.5)); //縮小為原來的一半
	imshow("尺寸放大之后", dst);
	imshow("尺寸縮小之后", dst2);

	waitKey(0);

}

顯然，無論是放大還是縮小，圖像都變得模糊了，這就是他的致命缺點。

個人認為，要做縮放就用resize函數吧，畢竟方便太多而且圖像不會變模糊！