什么是圖像金字塔

有些情況下照藻,我們需要處理源自同一張圖像的不同分辨率的圖像集合旁涤。這些不同分辨率的圖像組成的集合稱為圖像金字塔蝇刀。

圖像金字塔的主要類型可分為低通和帶通

有兩種常用圖像金字塔:

  1. Gaussian Pyramid (低通)
  2. Laplacian Pyramids (帶通)

之所以稱為金字塔搓萧,是因?yàn)榻鹱炙撞坑纱蟪叽绲脑瓐D組成毛甲,越往上層袒啼,尺寸越小哈扮,堆疊起來就是一個(gè)金字塔的形式:

金字塔的生成過程

  1. 低通金字塔:使用一個(gè)恰當(dāng)?shù)钠交琭ilter對(duì)圖像進(jìn)行平滑處理,接著對(duì)平滑之后的圖像進(jìn)行下采樣(subsampling)瘤泪,下采樣因子通常為2.(分別對(duì)應(yīng)各個(gè)坐標(biāo)軸)灶泵。繼續(xù)對(duì)得出的結(jié)果圖像做相同的操作,重復(fù)這個(gè)步驟多次对途。每循環(huán)一次赦邻,會(huì)得出一副更小的、平滑程度更高的实檀、分辨率更低的圖像惶洲。
    如果把原圖放在最底部,之后每一次的生成圖像都堆疊到上一次的結(jié)果之上膳犹,就形成了金字塔的形狀
  2. 帶通金字塔:通過將金字塔中相鄰兩層圖像做差得到恬吕。由于相鄰兩層圖像尺寸不同,因此需要進(jìn)行一些圖像插值操作须床,已達(dá)到計(jì)算像素間差值的目的铐料。
    具體的,拉普拉斯金字塔(Laplacian Pyramids)中的每一層,是由高斯金字塔的對(duì)應(yīng)層以及高一層(需要先插值放大)做差而成钠惩。

Scale Space 尺度空間

尺度空間: 將一幅圖像表示為一系列的平滑圖像柒凉,稱為尺度空間表示,這些平滑圖像可參數(shù)化表示為平滑核(用于抑制細(xì)尺度結(jié)構(gòu))的尺寸篓跛。
定義:
尺度空間的概念適用于有著任意數(shù)目變量的信號(hào)膝捞。而其在二維圖像上的應(yīng)用是最常見的。

尺度空間的其中一個(gè)主要類型愧沟,就是線性(高斯)尺度空間蔬咬。高斯尺度空間因其良好的性質(zhì)而被廣泛地應(yīng)用。

對(duì)于給定的一副二維圖像 f(x,y)沐寺,他的線性(高斯)尺度空間表示是由一系列的派生信號(hào)L(x,y;t)所組成林艘,其中L(x,y,;t)由f(x,y)與一個(gè)二維高斯核卷積而成,其中二維高斯核定義如下:

2dGaussian.png

因此有:

L.png

其中 * 號(hào)代表卷積芽丹。 分號(hào)表示卷機(jī)操作只對(duì) x,y 這兩個(gè)變量進(jìn)行北启,t僅指代定義好的尺度級(jí)別(scale level)卜朗。上述L 適用于連續(xù)的尺度級(jí)別 t≥0拔第, 但一般情況下僅會(huì)考慮離散的一組t

尺度參數(shù) t=σ^2 是高斯filter的方差。當(dāng)t趨于零時(shí)场钉,g就成為了一個(gè)脈沖函數(shù)(除了零點(diǎn)蚊俺,別處的函數(shù)值都為零),則有 L(x,y;0)=f(x,y), 也就是說逛万,位于尺度級(jí)別 t = 0 的尺度空間表示(scale-space representation)就是原圖本身泳猬。隨著t的增大,越來越大的filter被作用于圖像f宇植,形成平滑度越來越高的L得封,以至于原圖中越來越多的細(xì)節(jié)被丟棄。由于每個(gè)filter的標(biāo)準(zhǔn)差為σ=√t, 對(duì)于位于尺度等級(jí)t的圖像指郁,遠(yuǎn)小于√t的細(xì)節(jié)很大程度上會(huì)被丟棄忙上。

關(guān)于filter的選取

并非任何低通filter都可用于生成尺度空間∠锌玻可用于生成尺度空間的filter必須滿足以下一點(diǎn):由該平滑filter生成的粗尺度圖像(高層圖像)不會(huì)引入不存在于細(xì)尺度圖像(低層圖像)中的雜散結(jié)構(gòu)疫粥。換言之,給定粗尺度圖像中的任何一個(gè)區(qū)域腰懂,細(xì)尺度圖像上總能找到相應(yīng)的區(qū)域梗逮。這兩個(gè)區(qū)域相比,粗尺度圖像區(qū)域不能夠有新的結(jié)構(gòu)绣溜。

受制于尺度空間公理慷彤,高斯卷積核是實(shí)現(xiàn)尺度變換的唯一線性核。

為什么要提出尺度空間?

在現(xiàn)實(shí)世界中底哗,物體在不同尺度下贷屎,有著不同的結(jié)構(gòu)。這就表明艘虎,我們?nèi)绻麖牟煌某叨热ビ^察同一個(gè)物體唉侄,會(huì)得出不一樣的結(jié)果。比如野建,觀察一棵樹的適當(dāng)尺度應(yīng)該是“米”属划,而觀察一片葉子可能需要更細(xì)粒度的尺度才能得出較好的結(jié)果。 當(dāng)計(jì)算機(jī)系統(tǒng)要對(duì)一個(gè)未知的場景進(jìn)行分析時(shí)候生,并不能夠提前預(yù)知要用什么樣的尺度來對(duì)圖像信息中的興趣結(jié)構(gòu)(interesting structures)進(jìn)行描述才是最合適的同眯。因此,唯一可行的方案就是將多個(gè)不同尺度的描述都考慮進(jìn)來唯鸭,以便捕獲未知的尺度變化须蜗。

尺度空間理論和生物視覺之間也有著十分密切的聯(lián)系。哺乳動(dòng)物的視網(wǎng)膜以及視覺皮層第一階段所記錄的接受場的分布目溉,與許多尺度空間操作都高度近似明肮。

參考鏈接:

https://en.wikipedia.org/wiki/Scale_space
http://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_pyramids/py_pyramids.html
https://en.wikipedia.org/wiki/Pyramid_(image_processing)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市缭付,隨后出現(xiàn)的幾起案子柿估,更是在濱河造成了極大的恐慌,老刑警劉巖陷猫,帶你破解...
    沈念sama閱讀 216,997評(píng)論 6 502
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件秫舌,死亡現(xiàn)場離奇詭異,居然都是意外死亡绣檬,警方通過查閱死者的電腦和手機(jī)足陨,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,603評(píng)論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來娇未,“玉大人墨缘,你說我怎么就攤上這事⊥罚” “怎么了飒房?”我有些...
    開封第一講書人閱讀 163,359評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長媚值。 經(jīng)常有香客問我狠毯,道長,這世上最難降的妖魔是什么褥芒? 我笑而不...
    開封第一講書人閱讀 58,309評(píng)論 1 292
  • 正文 為了忘掉前任嚼松,我火速辦了婚禮嫡良,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘献酗。我一直安慰自己寝受,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,346評(píng)論 6 390
  • 文/花漫 我一把揭開白布罕偎。 她就那樣靜靜地躺著很澄,像睡著了一般。 火紅的嫁衣襯著肌膚如雪颜及。 梳的紋絲不亂的頭發(fā)上甩苛,一...
    開封第一講書人閱讀 51,258評(píng)論 1 300
  • 那天,我揣著相機(jī)與錄音俏站,去河邊找鬼讯蒲。 笑死,一個(gè)胖子當(dāng)著我的面吹牛肄扎,可吹牛的內(nèi)容都是我干的墨林。 我是一名探鬼主播,決...
    沈念sama閱讀 40,122評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼犯祠,長吁一口氣:“原來是場噩夢啊……” “哼旭等!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起雷则,我...
    開封第一講書人閱讀 38,970評(píng)論 0 275
  • 序言:老撾萬榮一對(duì)情侶失蹤辆雾,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后月劈,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,403評(píng)論 1 313
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡藤乙,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,596評(píng)論 3 334
  • 正文 我和宋清朗相戀三年猜揪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片坛梁。...
    茶點(diǎn)故事閱讀 39,769評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡而姐,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出划咐,到底是詐尸還是另有隱情拴念,我是刑警寧澤,帶...
    沈念sama閱讀 35,464評(píng)論 5 344
  • 正文 年R本政府宣布褐缠,位于F島的核電站政鼠,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏队魏。R本人自食惡果不足惜公般,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,075評(píng)論 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧官帘,春花似錦瞬雹、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,705評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至涌哲,卻和暖如春意敛,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背膛虫。 一陣腳步聲響...
    開封第一講書人閱讀 32,848評(píng)論 1 269
  • 我被黑心中介騙來泰國打工草姻, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人稍刀。 一個(gè)月前我還...
    沈念sama閱讀 47,831評(píng)論 2 370
  • 正文 我出身青樓撩独,卻偏偏與公主長得像,于是被迫代替她去往敵國和親账月。 傳聞我的和親對(duì)象是個(gè)殘疾皇子综膀,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,678評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容

  • 不同圖像灰度不同,邊界處一般會(huì)有明顯的邊緣局齿,利用此特征可以分割圖像剧劝。需要說明的是:邊緣和物體間的邊界并不等同,邊緣...
    大川無敵閱讀 13,848評(píng)論 0 29
  • 轉(zhuǎn)自:http://www.cnblogs.com/silence-hust/p/4193208.html關(guān)于用拉...
    Mordekaiser閱讀 3,168評(píng)論 1 2
  • 本章介紹了基于elastix的基本配準(zhǔn)概念抓歼。 更高級(jí)的配準(zhǔn)主題將在第6章中討論讥此。圖像配準(zhǔn)是醫(yī)學(xué)影像領(lǐng)域的重要工具。...
    peterpan_hai閱讀 9,708評(píng)論 1 10
  • SIFT特征 SIFT(Scale-invariant feature transform)是一種檢測局部特征算法...
    張博一閱讀 12,436評(píng)論 0 6
  • 標(biāo)簽(空格分隔): Android 單元測試的好處:Martin Fowler在《重構(gòu)》里面還解釋了為什么單元測試...
    背影殺手不太冷閱讀 5,821評(píng)論 3 25