shopex更改数据密码后网站打不开了,专业网站建设推广,车之家汽车官网,wordpress在线课程主题文章目录 一#xff0c;简介#xff1a;二#xff0c;拉普拉斯金字塔介绍#xff1a;三#xff0c;算法实现步骤3.1 构建融合拉普拉斯金字塔3.2 融合后的拉普拉斯金字塔复原#xff1a; 四#xff0c;整体代码实现#xff1a;五#xff0c;效果#xff1a; 一#x… 文章目录 一简介二拉普拉斯金字塔介绍三算法实现步骤3.1 构建融合拉普拉斯金字塔3.2 融合后的拉普拉斯金字塔复原 四整体代码实现五效果 一简介
图像融合是一种将两个或多个图像合成为一幅新图像的技术目的是结合源图像中的有用信息生成一幅更具信息量和视觉效果的新图像。拉普拉斯金字塔是一种常用于图像融合的方法它通过多尺度分解图像并在不同尺度上进行融合最终重建出融合后的图像。 二拉普拉斯金字塔介绍
在拉普拉斯金字塔的构建过程中如下所示首先通过高斯模糊和逐层减半尺寸的下采样形成高斯金字塔。然后通过从当前层高斯图像中减去经过上采样和下采样处理的上一层高斯图像计算出拉普拉斯金字塔的每一层。在这个过程中下采样用于降低图像分辨率上采样用于恢复分辨率。最后使用掩模对两张图像的拉普拉斯金字塔进行加权平均生成混合的拉普拉斯金字塔。通过迭代处理高斯金字塔的每一层直至达到预设的最大迭代次数完成图像的融合和细节保留。这种多尺度分解技术可以在不同的尺度上处理图像保留更多的细节信息并且在图像融合、图像放大等任务中发挥着重要作用。
三算法实现步骤
3.1 构建融合拉普拉斯金字塔
为了实现图像融合我们构建了一个六层的拉普拉斯金字塔。每一层都通过从原始图像中减去经过高斯滤波和上下采样处理后的图像来构造。构建完当前层后我们对其进行下采样并按照相同的步骤继续构建下一层。通过这种方式我们能够有效地融合两张图片的特征从而实现图像融合的目标。制作拉普拉斯金字塔使用opencv内置函数cv2.pyrUp以及cv2.pyrDown实现 cv2.pyrUp ● 功能上采样图像。 ● 参数输入图像。 ● 返回值上采样后的图像。 ● 说明cv2.pyrUp函数通过对输入图像进行双线性插值来扩大图像的尺寸。双线性插值是一种常用的图像插值方法它通过计算像素周围点的加权平均值来估算新的像素值。这个函数通常与cv2.pyrDown一起使用以构建高斯金字塔和拉普拉斯金字塔。 cv2.pyrDown ● 功能下采样图像。 ● 参数输入图像。 ● 返回值下采样后的图像。 ● 说明cv2.pyrDown函数通过对输入图像进行高斯滤波和下采样来减小图像的尺寸。高斯滤波器用于平滑图像去除噪声而下采样则是通过去除图像的偶数行和列来实现的。这个函数也是构建高斯金字塔和拉普拉斯金字塔的关键步骤之一。 实现代码
for i in range(maxIterations):# 计算拉普拉斯金字塔laplacianA cv2.subtract(guassianA, cv2.pyrUp(cv2.pyrDown(guassianA)))laplacianB cv2.subtract(guassianB, cv2.pyrUp(cv2.pyrDown(guassianB)))# 结合两张图片的拉普拉斯金字塔通过掩模的高斯金字塔取加权平均值combinedLaplacian guassianMask * laplacianA (1.0 - guassianMask) * laplacianB# 将组合的拉普拉斯金字塔添加到列表的开始位置combinedLaplacianPyramids.insert(0, combinedLaplacian)# 更新高斯金字塔进行下一次迭代guassianA cv2.pyrDown(guassianA)guassianB cv2.pyrDown(guassianB)guassianMask cv2.pyrDown(guassianMask)# 添加最后一级的拉普拉斯金字塔金字塔的顶部
lastCombined guassianMask * guassianA (1.0 - guassianMask) * guassianB
combinedLaplacianPyramids.insert(0, lastCombined)3.2 融合后的拉普拉斯金字塔复原
为了将两张图片融合成一张新的图片我们首先获取了融合后的拉普拉斯金字塔的顶层图像并将其存储在变量blendedImage中。接着我们进入一个循环从第二层开始遍历融合后的拉普拉斯金字塔中的每一层。在循环中我们首先将blendedImage上采样到下一层金字塔的尺寸然后将上采样后的blendedImage与金字塔中的当前层图像相加以重建金字塔。通过这种方式我们逐渐重建出融合后的图片保留了两张图片的细节信息并最终得到了一张融合后的图像。 代码如下示例
blendedImage combinedLaplacianPyramids[0]
for i in range(1, len(combinedLaplacianPyramids)):blendedImage cv2.pyrUp(blendedImage)blendedImage cv2.add(blendedImage, combinedLaplacianPyramids[i])四整体代码实现
# 导入必要的库
import cv2
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.image as mpimg# 读取两张图片
A cv2.imread(rF:\learnopencv-master\SeamlessCloning\images\man.jpg) # 读取男性图片
B cv2.imread(rF:\learnopencv-master\SeamlessCloning\images\woman.jpg) # 读取女性图片# 将图片转换为浮点数并归一化
A np.float32(A) / 255.0
B np.float32(B) / 255.0# 在图片A中创建一个男性脸部的大致掩模
mask np.zeros(A.shape, A.dtype) # 初始化掩模为零矩阵
# 取出男性脸部区域制作蒙版
polygon np.array([[164,226], [209,225], [238,188], [252,133], [248,75], [240,29], [192,15], [150,15], [100,70], [106,133], [123,194]], np.int32)
cv2.fillPoly(mask, [polygon], (255, 255, 255)) # 填充多边形
mask np.float32(mask) / 255.0 # 将掩模转换为浮点数并归一化# 通过与小于1.0的浮点数相乘来取得男性和女性脸部的加权平均值
mask mask * 0.7 # 男性脸部占比0.7女性脸部占比0.3# 将图片调整为2的幂次方大小此处为32调整为384x352
A cv2.resize(A, (384, 352))# B和掩模需要与A尺寸相同以便后续的乘法和加法操作
B cv2.resize(B, (A.shape[1], A.shape[0]))
mask cv2.resize(mask, (A.shape[1], A.shape[0]))# 从原始图片金字塔的底部开始
guassianA A.copy()
guassianB B.copy()
guassianMask mask.copy()# 存储合并的拉普拉斯金字塔
combinedLaplacianPyramids []# 金字塔的层数可以尝试不同的值注意图片尺寸
maxIterations 5for i in range(maxIterations):# 计算拉普拉斯金字塔laplacianA cv2.subtract(guassianA, cv2.pyrUp(cv2.pyrDown(guassianA)))laplacianB cv2.subtract(guassianB, cv2.pyrUp(cv2.pyrDown(guassianB)))# 结合两张图片的拉普拉斯金字塔通过掩模的高斯金字塔取加权平均值combinedLaplacian guassianMask * laplacianA (1.0 - guassianMask) * laplacianB# 将组合的拉普拉斯金字塔添加到列表的开始位置combinedLaplacianPyramids.insert(0, combinedLaplacian)# 更新高斯金字塔进行下一次迭代guassianA cv2.pyrDown(guassianA)guassianB cv2.pyrDown(guassianB)guassianMask cv2.pyrDown(guassianMask)# 添加最后一级的拉普拉斯金字塔金字塔的顶部
lastCombined guassianMask * guassianA (1.0 - guassianMask) * guassianB
combinedLaplacianPyramids.insert(0, lastCombined)
# 重建图片
blendedImage combinedLaplacianPyramids[0]
for i in range(1, len(combinedLaplacianPyramids)):blendedImage cv2.pyrUp(blendedImage)blendedImage cv2.add(blendedImage, combinedLaplacianPyramids[i])cv2.imshow(Blended, blendedImage) # 显示混合后的图片# 直接混合两张图片以进行比较
directCombination mask * A (1.0 - mask) * B
cv2.imshow(Direct combination, directCombination) # 显示直接混合后的图片
cv2.waitKey(0) # 等待按键后关闭窗口五效果
原图 融合后效果左图为直接融合右图为拉普拉斯融合
