Android OpenCV（十三）：图像金字塔

图像金字塔

图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。

图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。

金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。

我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。

高斯金字塔

高斯金字塔的底层为原始图像，每向上一层则是通过高斯滤波和1/2采样得到（去掉偶数行和列）。通过下采样不断的将图像的尺寸缩小，进而在金字塔中包含多个尺度的图像，一般情况下，高斯金字塔的最底层为图像的原图，每上一层就会通过下采样缩小一次图像的尺寸，通常情况尺寸会缩小为原来的一半，但是如果有特殊需求，缩小的尺寸也可以根据实际情况进行调整。由于每次图像的尺寸都缩小为原来的一半，图像尺缩小的速度非常快，因此常见高斯金字塔的层数为3到6层。

高斯滤波器可以看做一个低通滤波器，那么每经过一次的高斯滤波，图像中仅能够保留某个频率值以下的频率部分，所以高斯金字塔也可以看做一个低通金字塔（每一级只保留某个频率以下的成分）。

高斯金字塔

拉普拉斯金字塔

拉普拉斯金字塔与高斯金字塔正好相反，高斯金字塔通过底层图像构建上层图像，而拉普拉斯是通过上层小尺寸的图像构建下层大尺寸的图像。拉普拉斯金字塔具有预测残差的作用，需要与高斯金字塔联合一起使用，假设我们已经有一个高斯图像金字塔，对于其中的第i层图像（高斯金字塔最下面为第0层），首先通过下采样得到一尺寸缩小一半的图像，即高斯金字塔中的第i+1层或者不在高斯金字塔中，之后对这张图像再进行上采样，将图像尺寸恢复到第i层图像的大小，最后求取高斯金字塔第i层图像与经过上采样后得到的图像的差值图像，这个差值图像就是拉普拉斯金字塔的第i层图像。

拉普拉斯金字塔生成流程

API

下采样

public static void pyrDown(Mat src, Mat dst, Size dstsize, int borderType)

参数一：src，输入待下采样的图像。
参数二：dst，输出下采样后的图像，图像尺寸可以指定，但是数据类型和通道数与src相同，
参数三：dstsize，输出图像尺寸，可以缺省。

参数四：borderType，像素边界外推方法的标志

// C++: enum BorderTypespublic static final int      BORDER_CONSTANT = 0,      BORDER_REPLICATE = 1,      BORDER_REFLECT = 2,      BORDER_WRAP = 3,      BORDER_REFLECT_101 = 4,      BORDER_TRANSPARENT = 5,      BORDER_REFLECT101 = BORDER_REFLECT_101,      BORDER_DEFAULT = BORDER_REFLECT_101,      BORDER_ISOLATED = 16;

默认状态下函数输出的图像的尺寸为输入图像尺寸的一半，但是也可以通过dstsize参数来设置输出图像的大小，需要注意的是无论输出尺寸为多少都应满足下面式中条件。该函数首先将原图像与内核矩阵进行卷积，内核矩阵如下所示，之后通过不使用偶数行和列的方式对图像进行下采样，最终实现尺寸缩小的下采样图像。

Android OpenCV（十三）：图像金字塔

上采样

public static void pyrUp(Mat src, Mat dst, Size dstsize, int borderType)

参数一：src，输入待上采样的图像。
参数二：dst，输出上采样后的图像，图像尺寸可以指定，但是数据类型和通道数与src相同，
参数三：dstsize，输出图像尺寸，可以缺省。
参数四：borderType，像素边界外推方法的标志

操作

class GLPyramidActivity : CardGalleryActivity() {    override fun buildCards() {        val bgr = Utils.loadResource(this, R.drawable.lena)        val rgb = Mat()        Imgproc.cvtColor(bgr, rgb, Imgproc.COLOR_BGR2RGB)        bgr.release()        buildGauss(rgb)        rgb.release()    }    private fun buildGauss(source: Mat) {        val gaussList = arrayListOf<Mat>()        gaussList.add(source)        for (i in 0..2) {            val gauss = Mat()            Imgproc.pyrDown(gaussList[i], gauss)            gaussList.add(gauss)        }        for (i in gaussList.indices) {            val bitmap = Bitmap.createBitmap(                gaussList[i].width(),                gaussList[i].height(),                Bitmap.Config.ARGB_8888            )            Utils.matToBitmap(gaussList[i], bitmap)            cards.add(Card("Gauss${i}", bitmap))        }        buildLaplace(gaussList)    }    private fun buildLaplace(gaussList: List<Mat>) {        val laplaceList = arrayListOf<Mat>()        for (i in gaussList.size - 1 downTo 1) {            val lap = Mat()            val upGauss = Mat()            if (i == gaussList.size - 1) {                val down = Mat()                Imgproc.pyrDown(gaussList[i], down)                Imgproc.pyrUp(down, upGauss)                Core.subtract(gaussList[i], upGauss, lap)                laplaceList.add(lap.clone())            }            Imgproc.pyrUp(gaussList[i], upGauss)            Core.subtract(gaussList[i - 1], upGauss, lap)            laplaceList.add(lap.clone())        }        for (i in laplaceList.indices) {            val bitmap = Bitmap.createBitmap(                laplaceList[i].width(),                laplaceList[i].height(),                Bitmap.Config.ARGB_8888            )            Utils.matToBitmap(laplaceList[i], bitmap)            cards.add(Card("Laplace${i}", bitmap))        }        for (gauss in gaussList) {            gauss.release()        }        for (lap in laplaceList) {            lap.release()        }    }}