OpenCV图像处理教程C++(十三)图像上采样与降采样以及基本阈值操作

图像金字塔：最底下图像尺寸最大，最上面最小。
上采样：当前图像分辨率从图像金字塔的低分辨率到高分辨率采样，得到的是一个更高分辨率的图像。
降采样：当前图像分辨率从图像金字塔的高分辨率到低分辨率采样，得到的是一个更低分辨率的图像。
高斯金字塔：
从低向上，逐层降采样得到
降采样之后图像大小是原图像MXN的M/2XN/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
高斯金字塔的生成过程分为两步：

1. 对当前层进行高斯模糊
2. 删除当前层的偶数行列

即得到上一层的图像，这样上一层和下一层相比，都只有它的1/4大小

高斯不同：（DOG）
定义：就是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。

拉普拉斯金字塔:
对图像的向上取样
将图像在每个方向扩大为原来的两倍，新增的行和列以0填充
使用先前同样的内核(乘以4)与放大后的图像卷积，获得 “新增像素”的近似值
得到的图像即为放大后的图像，但是与原来的图像相比会发觉比较模糊，因为在缩放的过程中已经丢失了一些信息，如果想在缩小和放大整个过程中减少信息的丢失，这些数据形成了拉普拉斯金字塔。

pyrUp()函数剖析：

void pyrUp(InputArray src,//输入图像，即源图像，填Mat类的对象即可
           OutputArraydst,//输出图像，和源图片有一样的尺寸和类型。
           const Size& dstsize=Size(),// 输出图像的大小;有默认值Size()，即默认情况下，由Size（src.cols*2，src.rows*2）来进行计算
           int borderType=BORDER_DEFAULT )//边界模式，一般我们不用去管它

pyrDown()函数剖析:

void pyrDown(InputArray src,
             OutputArray dst, 
             const Size& dstsize=Size(), 
             int borderType=BORDER_DEFAULT)

代码：

#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string> 
#include<fstream> 
using namespace cv;
using namespace std;

int main() {
    Mat src, dst_up, dst_down;
    src = imread("C:\\Users\\Administrator\\Desktop\\pic\\5.jpg");
    imshow("input", src);
    pyrUp(src, dst_up, Size(src.cols * 2, src.rows * 2));
    imshow("pyrUp", dst_up);
    pyrDown(src, dst_down, Size(src.cols / 2, src.rows / 2));
    imshow("pyrDown", dst_down);
    //高斯不同：（DOG）
    Mat gray_src, g1, g2, dog;
    cvtColor(src, gray_src, CV_RGB2GRAY);
    GaussianBlur(gray_src, g1, Size(3, 3),0,0);
    GaussianBlur(g1, g2, Size(3, 3), 0, 0);
    subtract(g1, g2, dog);
    imshow("DOG", dog);
    waitKey(0);
}

结果：

resize( )函数剖析：
resize( )为OpenCV中专职调整图像大小的函数。

void resize(InputArray src,//输入图像，即源图像，填Mat类的对象即可。
            OutputArray dst,//输出图像，当其非零时，dsize（第三个参数）的尺寸，或者由src.size()计算出来
            Size dsize, //输出图像的大小;如果它等于零，由公式进行计算
                        //dsize=Size(round(fx*src.cols),round(fy*src.rows))
            double fx=0,//沿水平轴的缩放系数，有默认值0，且当其等于0时，由下式进行计算：
                        //dsize.width/src.cols;                   
            double fy=0,//沿垂直轴的缩放系数，有默认值0，且当其等于0时，由下式进行计算：
                       //dszie.height/src.rows;
            int interpolation=INTER_LINEAR )//用于指定插值方式，默认为INTER_LINEAR（线性插值）
             //INTER_NEAREST - 最近邻插值
            //INTER_LINEAR - 线性插值（默认值）
            //INTER_AREA - 区域插值（利用像素区域关系的重采样插值）
           //INTER_CUBIC –三次样条插值（超过4×4像素邻域内的双三次插值）
          //INTER_LANCZOS4 -Lanczos插值（超过8×8像素邻域的Lanczos插值）
//若要缩小图像，一般情况下最好用CV_INTER_AREA来插值，

//而若要放大图像，一般情况下最好用CV_INTER_CUBIC（效率不高，慢，不推荐使用）或CV_INTER_LINEAR（效率较高，速度较快，推荐使用）。

代码：

#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string> 
#include<fstream> 
using namespace cv;
using namespace std;

int main() {
    Mat src, dst1,dst2;
    src = imread("C:\\Users\\Administrator\\Desktop\\pic\\5.jpg");
    imshow("input", src);
    resize(src, dst1, Size(src.cols / 2, src.rows / 2));//若要缩小图像，一般情况下最好用CV_INTER_AREA来插值
    imshow("outputdown", dst1);
    resize(src, dst2, Size(src.cols * 2, src.rows * 2), (0, 0), (0, 0),4);//若要放大图像，一般情况下最好用CV_INTER_CUBIC（效率不高，慢，不推荐使用）或CV_INTER_LINEAR（效率较高，速度较快，推荐使用）
    imshow("outputup", dst2);
    waitKey(0);
}

结果：

图像阈值（threshold）：图像分割的标尺
阈值类型:
阈值二值化（threshold binary）:
设定一个临界值，将像素值大于临界值的像素设置成255，低于临界值设置成0
dst(x,y)={maxVal ifsrc(x,y)>thresh
dst(x,y)={0 otherwise

阈值反二值化：
设定一个临界值，将像素值大于临界值的像素设置成0，低于临界值设置成255。
dst(x,y)={0 ifsrc(x,y)>thresh
dst(x,y)={maxVal otherwise

截断：
设定一个临界值，将像素值大于临界值的像素设置成临界值，低于临界值不变。
dst(x,y)={threshhold ifsrc(x,y)>thresh
dst(x,y)={src(x,y) otherwise

阈值取0：
设定一个临界值，将像素值大于临界值的像素不变，低于临界值设置成0。
dst(x,y)={src(x,y) ifsrc(x,y)>thresh
dst(x,y)={0 otherwise

阈值反取0：
设定一个临界值，将像素值大于临界值的像素设置成0，低于临界值不变。
dst(x,y)={0 ifsrc(x,y)>thresh
dst(x,y)={src(x,y) otherwise

代码：

#include <opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include <string> 
#include<fstream> 
using namespace cv;
using namespace std;

Mat src, gray_src, dst,dst1,dst2,dst3,dst4,dst5;
int threshold_value = 127;
int type_value = 1;
void getThresholdChange(int, void*) {
    cvtColor(src, gray_src, CV_RGB2GRAY);
    imshow("gray", gray_src);

    threshold(gray_src, dst1, threshold_value, 255, THRESH_BINARY);//阈值二值化
    imshow("THRESH_BINARY", dst1);

    threshold(gray_src, dst2, threshold_value, 255, THRESH_BINARY_INV);//阈值反二值化
    imshow("THRESH_BINARY_INV", dst2);

    threshold(gray_src, dst3, threshold_value, 255, THRESH_TRUNC);//截断
    imshow("THRESH_TRUNC", dst3);

    threshold(gray_src, dst4, threshold_value, 255, THRESH_TOZERO);//阈值取0
    imshow("THRESH_TOZERO", dst4);

    threshold(gray_src, dst5, threshold_value, 255, THRESH_TOZERO_INV);//阈值反取0
    imshow("THRESH_TOZERO_INV", dst5);

    threshold(gray_src, dst, threshold_value, 255, type_value);
    imshow("outputthreshold", dst);
}

int main() {
    src = imread("C:\\Users\\Administrator\\Desktop\\pic\\z2.jpg");
    imshow("input", src);
    getThresholdChange(0, 0);
    createTrackbar("阈值大小：", "outputthreshold", &threshold_value, 255, getThresholdChange);
    createTrackbar("type Value", "outputthreshold", &type_value, 5, getThresholdChange);
    waitKey(0);
}

结果：