拉普拉斯金字塔

简介: 【6月更文挑战第4天】拉普拉斯金字塔。

拉普拉斯金字塔
拉普拉斯金字塔的第n层是该层高斯金字塔图像减去第n+1层向上采样结果获得的图像。
示例代码如下。

拉普拉斯金字塔

import cv2
img0=cv2.imread('qizi.jpg')
img1=cv2.pyrDown(img0) #第1次采样
img2=cv2.pyrDown(img1) #第2次采样
img3=cv2.pyrDown(img2) #第3次采样
imgL0= cv2.subtract(img0,cv2.pyrUp(img1)) #拉普拉斯金字塔第0层
imgL1= cv2.subtract(img1,cv2.pyrUp(img2) ) #拉普拉斯金字塔第1层
imgL2= cv2.subtract(img2,cv2.pyrUp(img3) ) #拉普拉斯金字塔第2层
cv2.imshow('imgL0',img0) #显示第0层
cv2.imshow('imgL1',img1) #显示第1层
cv2.imshow('imgL2',img2) #显示第2层
cv2.waitKey(0)

相关文章
|
1月前
|
编解码 计算机视觉
图像金字塔
【6月更文挑战第4天】图像金字塔。
8 1
|
2月前
|
8月前
拉普拉斯金字塔
拉普拉斯金字塔
25 0
|
11月前
|
编解码 算法 Java
基于Gabor-小波滤波深度图表面法线的特征提取算法【通过正常Gabor-小波的直方图进行2D或3D特征提取】研究(Matlab代码实现)
基于Gabor-小波滤波深度图表面法线的特征提取算法【通过正常Gabor-小波的直方图进行2D或3D特征提取】研究(Matlab代码实现)
|
11月前
|
机器学习/深度学习 算法 数据挖掘
基于 K 均值聚类的径向基RBF神经网络优化(Matlab代码实现)
基于 K 均值聚类的径向基RBF神经网络优化(Matlab代码实现)
|
资源调度 算法 机器人
图像特征提取与描述_角点特征02:SIFT算法+SURF算法
前面两节我们介绍了Harris和Shi-Tomasi角点检测算法,这两种算法具有旋转不变性,但不具有尺度不变性,以下图为例,在左侧小图中可以检测到角点,但是图像被放大后,在使用同样的窗口,就检测不到角点了。
148 0
|
机器学习/深度学习 存储 计算机视觉
CV9 2D卷积与图像滤波
终于有一天,老板忍无可忍了,以0.5秒的间隔开始不间断的扇你的过程,这样问题就来了,第一次扇你鼓起来的包还没消肿,第二个巴掌就来了,你脸上的包就可能鼓起来两倍高,老板不断扇你,脉冲不断作用在你脸上,包鼓起的程度就在不断叠加了,这样这些效果就可以求和了,如果老板扇你的频率越来越高以至于你感受不到了时间的流逝,那么求和就可以变成积分了。这个积分(实际上是一条函数),就是卷积。
66 0
|
编解码 C++ 计算机视觉
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(二)
图像中各个像素与其相邻像素之间的有很强的相关性,包含的信息也十分丰富,目标的尺寸有大有小,对比度有强有弱,此时就需要一个“显微镜”或者“望远镜”-----多尺度图像技术。它可以在不同分辨率下观察目标的特征进而进行处理。
218 0
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(二)
|
编解码 计算机视觉 C++
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(一)
图像中各个像素与其相邻像素之间的有很强的相关性,包含的信息也十分丰富,目标的尺寸有大有小,对比度有强有弱,此时就需要一个“显微镜”或者“望远镜”-----多尺度图像技术。它可以在不同分辨率下观察目标的特征进而进行处理。
160 0
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(一)
|
编解码 计算机视觉 C++
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(三)
图像中各个像素与其相邻像素之间的有很强的相关性,包含的信息也十分丰富,目标的尺寸有大有小,对比度有强有弱,此时就需要一个“显微镜”或者“望远镜”-----多尺度图像技术。它可以在不同分辨率下观察目标的特征进而进行处理。
1288 0
【C++】高斯金字塔和拉普拉斯金字塔原理和实现(三)

热门文章

最新文章