Question

尝试实现着名的橙色/ Apple金字塔混合（cv2 Image Pyramids）。

注意：两个图像的形状都是307x307。

但是，由于cv2.subtract和cv2.add中的裁剪值导致结果图像模糊（如cv2 vs numpy Matrix Arithmetics中所述），我使用numpy算术代替了建议在StackOverflow: Reconstructed Image after Laplacian Pyramid Not the same as original image。

我通过在一个图像上执行金字塔来测试这个，并且使用金字塔构造的结果图像具有相同的Max，Min，Average像素值，而不是使用cv2算术。

但是，在金字塔等级7上，结果图像会产生“噪音”。一个红点和9级结果图像得到很多绿色像素噪声。 Images of levels 6, 7, 9 - Imgur Album

任何想法为什么会发生这种情况？我想说的金字塔等级9绿色噪音是因为图像低于1x1的形状。但7级金字塔上的红点呢？

编辑：已添加代码

numberOfPyramids = 9

# generate Gaussian pyramids for A and B Images
GA = A.copy()
GB = B.copy()
gpA = [GA]
gpB = [GB]

for i in xrange(numberOfPyramids):
    GA = cv2.pyrDown(GA)
    GB = cv2.pyrDown(GB)
    gpA.append(GA)
    gpB.append(GB)

# generate Laplacian Pyramids for A and B Images
lpA = [gpA[numberOfPyramids - 1]]
lpB = [gpB[numberOfPyramids - 1]]

for i in xrange(numberOfPyramids - 1, 0, -1):
    geA = cv2.pyrUp(gpA[i], dstsize = np.shape(gpA[i-1])[:2]) 
    geB = cv2.pyrUp(gpB[i], dstsize = np.shape(gpB[i-1])[:2])

    laplacianA = gpA[i - 1] - geA if i != 1 else cv2.subtract(gpA[i-1], geA)
    laplacianB = gpB[i - 1] - geB if i != 1 else cv2.subtract(gpB[i-1], geB)

    lpA.append(laplacianA)
    lpB.append(laplacianB)

# Now add left and right halves of images in each level
LS = []
for la, lb in zip(lpA, lpB):
    _, cols, _ = la.shape
    ls = np.hstack((la[:, : cols / 2], lb[:, cols / 2 :]))
    LS.append(ls)

# now reconstruct
ls_ = LS[0]
for i in xrange(1, numberOfPyramids):
    ls_ = cv2.pyrUp(ls_, dstsize = np.shape(LS[i])[:2])
    ls_ = ls_ + LS[i] if i != numberOfPyramids - 1 else cv2.add(ls_, LS[i])

cv2.imshow(namedWindowName, ls_)
cv2.waitKey()

Answer 1

在阅读了关于拉普拉斯金字塔的原始article之后，我发现我误解了这种方法，我们可以完全重建原始图像而不会模糊，因为我们使用了额外的像素信息。而裁剪值确实会导致模糊。那么现在我们又回到了开头：）

所以你发布的代码仍然是剪切值，我建议你使用int16来保存laplacian金字塔，而不是使用cv2.subtract。希望它有效。

Python cv2图像金字塔

1 个答案: