-
主要内容
图像金字塔的概念
采样API
高斯不同（DOG） -
图像金字塔的概念
（1）我们在图像处理中常常会调整图像大小，最常见的就是放大（zoom in）和缩小（zoom out），尽管几何变换也可以实现图像的放大和缩小，但是这里我们介绍图像金字塔。
一个图像金字塔是一系列的图像组成，最底下一张是图像尺寸最大，最上方的图像尺寸最小，从空间上从上向下看就像是一个古代金字塔。
（2） 本质：在图像处理中，我们需要得到输入图像不同分辨率的图片，在不同的尺度空间寻找输入图像的特征，因为我们不知道所得到的图像是怎么样的，而图像的金字塔变换是会保证图像的特征一直存在的， -
图像金字塔分为两种 ：
（1）高斯金字塔——对图像进行降采样
（2）拉普拉斯金字塔——用来重建一张图片根据它的上层降采样图片 -
图像金字塔——高斯金字塔
高斯金字塔是从底向上，逐层降采样得到。降采样之后图像大小是原图像 M x N 的 M / 2 x 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。
（1）高斯金字塔的生成过程分为两步
——对当前层进行高斯模糊
——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较，都只有当前层的1 / 4 大小
-
高斯不同（Difference of Gaussian -DOG）
（1）定义：就是把一张图像在不同参数下作高斯模糊之后的结果相减，得到的输出图像，称为高斯不同。
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。
（2）高斯不同API
GaussianBlur(t1, g1, Size(3, 3), 0, 0);
GaussianBlur(g1, g2, Size(3, 3), 0, 0);
subtract(g1, g2, dog, Mat());
normalize(dog, dog, 255, 0, NORM_MINMAX);
此处测试原图不可以进行高斯不同，报错，转化为灰度图即可
- 采样相关API
//上采样（cv::pyrUP）-zoom in 放大
//降采样（cv::pyrDOWN）-zoom out 缩小
//生成的图像是原图在宽与高个放大两倍
pyrUP(Mat src,Mat dst,Size(src.cols*2,src.rows/2));
//生成的图像是原图在宽与高个缩小两倍
pyrDOWN(Mat src,Mat dst,Size(src.cols/2,src.rows/2));
- 图像相减
subtract(Mat t1,Mat t2,Mat result);
- 矩阵归一化
（1)归一化就是把需要处理的数据经过一定的处理（通过某种算法）限制在你所需要的一定范围内
void normalize (
InputArray src, //输入数组
OutputArray dst, //输出数组
double alpha=1, // range normalization模式的最小值
doublebeta=0, // range normalization模式的最大值，不用于norm normalization(范数归一化)模式
int norm_type=NORM_L2, //归一化类型
int dtype=-1, // dtype为负数时，输出数组的type与输入数组的type相同；
否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype)
InputArray mask=noArray()//操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。
)；
(2)归一化类型：
NORM_MINMAX:数组的数值被缩放或平移到一个指定的范围，线性归一化，比较常用
NORM_INF:此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)
NORM_L1:归一化数组的L1 - 范数（绝对值的和）
NORM_L2:归一化数组的（欧几里德）- 范数
