(一)高斯金字塔
高斯金字塔是从底向上,逐层降采样得到的。
降采样之后图像大小是原图像M×N的M/2×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。
高斯金字塔的生产过程氛围两步:
(1)对当前层进行高斯模糊
(2)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。
(二)高斯不同
定义: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,成为高斯不同(DOG)。
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。
(三)采样相关API
(1)上采样(cv::pyrUp)——zoom in 放大
pyrUp(Mat src,Mat dest,Size(src.cols2,src.rows2));生成的图像是原图在宽与高各放大两倍。
(2)降采样(cv::pyrDown)——zoom out 缩小
pyrDown(Mat src,Mat dest,Size(src.cols/2,src.rows/2)); 生成的图像是原图在宽与高各缩小1/2。
(四)基本阈值操作
阈值——简单来说是把图像分割的标尺,这个标尺是根据阈值类型产生的。
(1)阈值类型——阈值二值化
左下方的图表示图像像素点src(x,y)值分布情况,蓝色水平线表示阈值
(2)阈值类型——阈值反二值化
左下方的图表示图像像素点src(x,y)值分布情况,蓝色水平线表示阈值
(3)阈值类型——截断
左下方的图表示图像像素点src(x,y)值分布情况,蓝色水平线表示阈值
(4)阈值类型——阈值取零
左下方的图表示图像像素点src(x,y)值分布情况,蓝色水平线表示阈值
(5)阈值类型——阈值反取零
左下方的图表示图像像素点src(x,y)值分布情况,蓝色水平线表示阈值
附加API:createTrackbar()
int createTrackbar(const string& trackbarname, const string&winname, int* value, int count ,TrackbarCallback onChange = 0, void* userdata = 0);
参数1:轨迹条名字
参数2:窗口名字
参数3:滑块初始位置
参数4:表示滑块达到最大位置的值
参数5:默认值为0,指向回调函数
参数6:默认值为0,用户传给回调函数的数据值
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat src, dst,gray_src;
int threshold_value = 127;
int threshold_max = 255;
int type_value = 2;
int type_max = 4; //5种类型为0~4
const char* output_title = "binary image";
void Threshold_Demo(int, void*);
int main(int argc, char** argv)
{
src = imread("D:/studytest/lena.jpg");
if (src.empty())
{
cout << "could not load image..." << endl;
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE);
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
imshow("input image", src);//输入图片读取
createTrackbar("Threshold Value:", output_title, &threshold_value, threshold_max, Threshold_Demo);
createTrackbar("Type Value:", output_title, &type_value, type_max, Threshold_Demo);
Threshold_Demo(0,0);
waitKey(0);
return 0;
}
void Threshold_Demo(int, void*)
{
cvtColor(src, gray_src, CV_BGR2GRAY);
threshold(gray_src, dst, threshold_value, threshold_max,type_value);
imshow(output_title, dst);
}