网站开发需求报告,上海论坛网站建设,最新新闻事件今天国内消息,一尊网 又一个wordpress站点OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】191.基于图像分割的金字塔图像融合 拉普拉斯金字塔将源图像分解到不同的频带#xff0c;越高频的图像信息越到上层。在相同显示尺寸下比较不同分辨率的拉普拉斯图像#xff0c;可以发现不同尺度下关注的细…OpenCV 例程200篇 总目录-202205更新 【youcans 的 OpenCV 例程200篇】191.基于图像分割的金字塔图像融合 拉普拉斯金字塔将源图像分解到不同的频带越高频的图像信息越到上层。在相同显示尺寸下比较不同分辨率的拉普拉斯图像可以发现不同尺度下关注的细节是不同的低分辨率下关注的是较大尺度的基本纹理而高分辨率下关注的是更精细的纹理。
因此可以针对不同分解层的频带特征与细节采用不同的融合算子以突出特定频带上特征与细节也就可以将不同图像的特征与细节融合在一起。
金字塔图像融合过程是在不同尺度、不同空间分辨率和不同分解层上分别进行的也称为多波段融合Multi-band Blending。多波段融合的思想是先对多幅图像分别构建拉普拉斯金字塔然后对同一层图像相同频段按一定规则融合对融合后的图像金字塔重建得到融合图像。
基于图像分割的拉普拉斯金字塔的图像融合的基本步骤为 1、对前景图片进行图像分割。如果前景图片的背景颜色比较简单可以将图片转换到 HSV 色彩空间用 cv.inRange() 进行色彩图像分割 2、调整尺寸将背景图片调整到 power(2,levels) 的整数倍将前景图像调整到指定大小 3、图像向下取样, 构造高斯金字塔 4、图像向上取样, 构造拉普拉斯金字塔 5、基于掩模图像的拉普拉斯加权融合 6、由最低分辨率的高斯图像生成最低分辨率的起始图拼接背景图像和前景的高斯金字塔顶层 7、通过拼接图像的拉普拉斯金字塔逐层逐个分辨率重建拼接图像直到得到最高分辨率的拼接图像。 例程1.91 基于图像分割的金字塔图像融合 # 1.91基于图像分割的金字塔图像融合img1 cv2.imread(../images/seaside02.png) # 背景图像img2 cv2.imread(../images/seagull01.png) # 添加的前景图像xmin, ymin, w, h 160, 64, 256, 256 # 矩形 ROI 位置: (ymin:yminh, xmin:xminw)print(img1.shape, img2.shape)levels 3# HSV 色彩空间图像分割hsv cv2.cvtColor(img2, cv2.COLOR_BGR2HSV) # 将图片转换到 HSV 色彩空间lowerColor np.array([100, 43, 46]) # 蓝色阈值下限: 100/43/46upperColor np.array([124, 255, 255]) # 蓝色阈值上限: 蓝色124/255/255binary cv2.inRange(hsv, lowerColor, upperColor) # 背景色彩图像分割kernel cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 9)) # (5, 5) 结构元dilate cv2.dilate(cv2.bitwise_not(binary), kernelkernel, iterations3) # 图像膨胀segment cv2.bitwise_and(img2, img2, maskdilate) # 前景分割图像前景以外区域黑色# 调整尺寸将背景图片调整到 power(2,levels) 的整数倍imgBack cv2.resize(img1, (512, 512), interpolationcv2.INTER_CUBIC)front cv2.resize(segment, (w, h)) # 将前景图像调整到指定大小 (w,h)imgFront np.zeros(imgBack.shape, dtypenp.uint8) # 与 imgback 尺寸相同的黑色图像imgFront[ymin:yminh, xmin:xminw] frontgrayFront cv2.cvtColor(imgFront, cv2.COLOR_BGR2GRAY)_, mask0 cv2.threshold(grayFront, 1, 255, cv2.THRESH_BINARY_INV) # 二值化处理bg cv2.bitwise_and(imgBack, imgBack, maskmask0) # 生成背景mask 遮罩区域黑色fg imgFront # 生成前景前景以外区域黑色stack cv2.add(bg, fg) # 直接合成前景与背景plt.figure(figsize(10, 7))plt.subplot(231), plt.axis(off), plt.title(Original back)plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB))plt.subplot(232), plt.axis(off), plt.title(Original front)plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB))plt.subplot(233), plt.axis(off), plt.title(Segmentation )plt.imshow(cv2.cvtColor(segment, cv2.COLOR_BGR2RGB))plt.subplot(234), plt.axis(off), plt.title(Stacked)plt.imshow(cv2.cvtColor(stack, cv2.COLOR_BGR2RGB))# 图像向下取样, 构造高斯金字塔: [原图下取样1次下取样2次下取样3次下取样4次]gaussPyrB, gaussPyrF, maskLPyr [imgBack], [imgFront], [mask0]print(img1.shape, img2.shape, mask0.shape)for i in range(1, levels): # 计算第 i 层高斯金字塔gaussPyrB.append(cv2.pyrDown(gaussPyrB[i-1]))gaussPyrF.append(cv2.pyrDown(gaussPyrF[i-1]))maskLPyr.append(cv2.resize(maskLPyr[i-1], dsizeNone, fx0.5, fy0.5))# 图像向上取样, 构造拉普拉斯金字塔 [第1层残差第2层残差第3层残差第4层残差]lapPyrB, lapPyrF [], [] # 从最顶层开始恢复for i in range(levels-1): # 拉普拉斯金字塔有 4 层: 0,1,2,3lapB gaussPyrB[i] - cv2.pyrUp(gaussPyrB[i1]) # 残差lapPyrB.append(lapB)lapF gaussPyrF[i] - cv2.pyrUp(gaussPyrF[i1]) # 残差lapPyrF.append(lapF)# 基于掩模图像的拉普拉斯加权融合lapFusion []for i in range(levels-1): # 拉普拉斯金字塔共 4 层: 0,1,2,3mask maskLPyr[i] # 当前分辨率的掩模遮罩前景区域黑色遮罩maskInv 1 - mask # 生成逆遮罩前景区域白色开窗前景以外区域黑色bg cv2.bitwise_and(lapPyrB[i], lapPyrB[i], maskmask) # 生成背景mask 遮罩区域黑色fg cv2.bitwise_and(lapPyrF[i], lapPyrF[i], maskmaskInv) # 生成前景前景以外区域黑色lapStack cv2.add(bg, fg) # 前景与背景合成得到当前分辨率的拉普拉斯融合图像lapFusion.append(lapStack)print(lapFusion, i, maskLPyr[i].shape, lapPyrB[i].shape, lapFusion[i].shape)# 拼接高斯金字塔顶层 G4: (32,32)mask maskLPyr[levels-1] # 当前分辨率的掩模遮罩前景区域黑色遮罩maskInv 1 - mask # 生成逆遮罩前景区域白色开窗前景以外区域黑色bg cv2.bitwise_and(gaussPyrB[levels-1], gaussPyrB[levels-1], maskmask) # 生成背景mask 遮罩区域黑色fg cv2.bitwise_and(gaussPyrF[levels-1], gaussPyrF[levels-1], maskmaskInv) # 生成前景前景以外区域黑色gaussStack cv2.add(bg, fg) # 前景与背景合成得到叠加图像 (32,32)print(gaussStack, gaussStack.shape, gaussPyrB[levels-1].shape, maskLPyr[levels-1].shape) # (32,32)fusion gaussStack # 从高斯金字塔顶层 G4:(32,32) 开始逐层复原for i in range(levels-1, 0, -1): # 拉普拉斯金字塔有 4 层: 3,2,1,0pyrG cv2.pyrUp(fusion) # # 上采样图像尺寸加倍fusion lapFusion[i-1] cv2.pyrUp(fusion)# plt.subplot(2,3,levels-i2), plt.axis(off), plt.title(G{}: {}.format(i-1,fusion.shape[:2]))# plt.imshow(cv2.cvtColor(fusion, cv2.COLOR_BGR2RGB))plt.subplot(235), plt.axis(off), plt.title(GaussStack {}.format(gaussStack.shape[:2]))plt.imshow(cv2.cvtColor(gaussStack, cv2.COLOR_BGR2RGB))plt.subplot(236), plt.axis(off), plt.title(fusion)plt.imshow(cv2.cvtColor(fusion, cv2.COLOR_BGR2RGB))plt.tight_layout()plt.show()本节完 版权声明
OpenCV 例程200篇 总目录-202205更新 youcansxupt 原创作品转载必须标注原文链接(https://blog.csdn.net/youcans/article/details/124965019)
Copyright 2022 youcans, XUPT Crated2022-5-25 欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列持续更新中 欢迎关注 『youcans 的 OpenCV学习课』 系列持续更新中 【youcans 的 OpenCV 例程200篇】185.图像金字塔之高斯金字塔 【youcans 的 OpenCV 例程200篇】186.图像金字塔之拉普拉斯金字塔 【youcans 的 OpenCV 例程200篇】187.由拉普拉斯金字塔还原图像 【youcans 的 OpenCV 例程200篇】188.基于拉普拉斯金字塔的图像融合 【youcans 的 OpenCV 例程200篇】189.基于掩模的拉普拉斯金字塔图像融合 【youcans 的 OpenCV 例程200篇】190.基于图像分割的图像融合 【youcans 的 OpenCV 例程200篇】191.基于图像分割的金字塔图像融合 【youcans 的 OpenCV 例程200篇】192.Gabor 滤波器组的形状 【youcans 的 OpenCV 例程200篇】193.基于Gabor 滤波器的特征提取 更多内容请见 【OpenCV 例程200篇 总目录-202206更新】
