• Javascript图像处理——图像金字塔


    前言

    上一篇文章,我们讲解了边缘梯度计算函数,这篇文章我们来了解图像金字塔。

    图像金字塔?

    图像金字塔被广泛用于计算机视觉应用中。

    图像金字塔是一个图像集合,集合中所有的图像都源于同一个原始图像,而且是通过对原始图像连续降采样获得的。

    ——《学习OpenCV》

    常见的图像金字塔有下面两种:

    • 高斯金字塔(Gaussian pyramid): 用来向下采样
    • 拉普拉斯金字塔(Laplacian pyramid): 用来从金字塔低层图像重建上层未采样图像

    高斯金字塔

    Pyramid figure

    类似金字塔一样,高斯金字塔从底层原始图逐渐向下采样,越来越小。

    那么如何获取下一层图像呢?

    首先,和高斯内核卷积:

      \frac{1}{16} \begin{bmatrix} 1 & 4 & 6 & 4 & 1  \\ 4 & 16 & 24 & 16 & 4  \\ 6 & 24 & 36 & 24 & 6  \\ 4 & 16 & 24 & 16 & 4  \\ 1 & 4 & 6 & 4 & 1 \end{bmatrix}

    然后,将所有偶数行列删掉。

    可见,这样下一级图像约为上一级的1/4。

    那么向上变换如何变换呢?

    首先先将图片行列扩大为原来的两倍,然后将添加的行列用0填充。

    最后用刚刚的高斯内核乘以4后卷积。

    高斯金字塔实现

    var pyrDown = function(__src, __dst){
        __src || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
        if(__src.type && __src.type == "CV_RGBA"){
            var width = __src.col,
                height = __src.row,
                dWidth = ((width & 1) + width) / 2,
                dHeight = ((height & 1) + height) / 2,
                sData = __src.data,
                dst = __dst || new Mat(dHeight, dWidth, CV_RGBA),
                dstData = dst.data;
            
            var withBorderMat = copyMakeBorder(__src, 2, 2, 0, 0),
                mData = withBorderMat.data,
                mWidth = withBorderMat.col;
            
            var newValue, nowX, offsetY, offsetI, dOffsetI, i, j;
            
            var kernel = [1,  4,  6,  4, 1,
                          4, 16, 24, 16, 4,
                          6, 24, 36, 24, 6,
                          4, 16, 24, 16, 4,
                          1,  4,  6,  4, 1
                         ];
            
            for(i = dHeight; i--;){
                dOffsetI = i * dWidth;
                for(j = dWidth; j--;){
                    for(c = 3; c--;){
                        newValue = 0;
                        for(y = 5; y--;){
                            offsetY = (y + i * 2) * mWidth * 4;
                            for(x = 5; x--;){
                                nowX = (x + j * 2) * 4 + c;
                                newValue += (mData[offsetY + nowX] * kernel[y * 5 + x]);
                            }
                        }
                        dstData[(j + dOffsetI) * 4 + c] = newValue / 256;
                    }
                    dstData[(j + dOffsetI) * 4 + 3] = mData[offsetY + 2 * mWidth * 4 + (j * 2 + 2) * 4 + 3];
                }
            }
            
        }else{
            error(arguments.callee, UNSPPORT_DATA_TYPE/* {line} */);
        }
        
        return dst;
    };

    dWidth = ((width & 1) + width) / 2,

    dHeight = ((height & 1) + height) / 2

    这里面a & 1等同于a % 2,即求除以2的余数。

    我们实现时候没有按照上面的步骤,因为这样子效率就低了,而是直接创建一个原矩阵1/4的矩阵,然后卷积时候跳过那些要被删掉的行和列。

    下面也一样,创建后卷积,由于一些地方一定是0,所以实际卷积过程中,内核有些元素是被忽略的。

    var pyrUp = function(__src, __dst){
        __src || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
        if(__src.type && __src.type == "CV_RGBA"){
            var width = __src.col,
                height = __src.row,
                dWidth = width * 2,
                dHeight = height * 2,
                sData = __src.data,
                dst = __dst || new Mat(dHeight, dWidth, CV_RGBA),
                dstData = dst.data;
            
            var withBorderMat = copyMakeBorder(__src, 2, 2, 0, 0),
                mData = withBorderMat.data,
                mWidth = withBorderMat.col;
            
            var newValue, nowX, offsetY, offsetI, dOffsetI, i, j;
            
            var kernel = [1,  4,  6,  4, 1,
                          4, 16, 24, 16, 4,
                          6, 24, 36, 24, 6,
                          4, 16, 24, 16, 4,
                          1,  4,  6,  4, 1
                         ];
            
            for(i = dHeight; i--;){
                dOffsetI = i * dWidth;
                for(j = dWidth; j--;){
                    for(c = 3; c--;){
                        newValue = 0;
                        for(y = 2 + (i & 1); y--;){
                            offsetY = (y + ((i + 1) >> 1)) * mWidth * 4;
                            for(x = 2 + (j & 1); x--;){
                                nowX = (x + ((j + 1) >> 1)) * 4 + c;
                                newValue += (mData[offsetY + nowX] * kernel[(y * 2 + (i & 1 ^ 1)) * 5 + (x * 2 + (j & 1 ^ 1))]);
                            }
                        }
                        dstData[(j + dOffsetI) * 4 + c] = newValue / 64;
                    }
                    dstData[(j + dOffsetI) * 4 + 3] = mData[offsetY + 2 * mWidth * 4 + (((j + 1) >> 1) + 2) * 4 + 3];
                }
            }
            
        }else{
            error(arguments.callee, UNSPPORT_DATA_TYPE/* {line} */);
        }
        
        return dst;
    };

    效果图

    系列目录

    Javascript图像处理系列

    参考资料

    Image Pyramids

  • 相关阅读:
    json转MAP
    责任链模式
    单例模式
    代理模式
    策略模式
    mysql触发器的使用
    Java 中的日期和时间
    MySQL插入数据前检测唯一性
    java字符串转为Map类型:split()方法的应用
    java Socket实例
  • 原文地址:https://www.cnblogs.com/justany/p/2860295.html
Copyright © 2020-2023  润新知