Python 2.7 Python cv2图像金字塔

尝试实现著名的橙色/苹果金字塔混合（）

注：两幅图像的形状均为307x307

但是，由于

cv2.subtract

和

cv2.add

（如中所述）中的剪裁值导致结果图像模糊，因此我使用了中建议的

numpy

算术

我通过在一幅图像上执行金字塔来测试这一点，使用金字塔构建的结果图像具有与使用

cv2

算法相同的最大、最小、平均像素值

然而，在金字塔级别7上，结果图像得到一个红点的“噪声”，在级别9上，结果图像得到许多绿色像素噪声

你知道为什么会这样吗？金字塔9级的绿色噪音之所以会出现，是因为图像的形状低于1x1。但是7层金字塔上的红点呢

• 编辑：添加代码

  numberOfPyramids = 9
  
  # generate Gaussian pyramids for A and B Images
  GA = A.copy()
  GB = B.copy()
  gpA = [GA]
  gpB = [GB]
  
  for i in xrange(numberOfPyramids):
      GA = cv2.pyrDown(GA)
      GB = cv2.pyrDown(GB)
      gpA.append(GA)
      gpB.append(GB)
  
  # generate Laplacian Pyramids for A and B Images
  lpA = [gpA[numberOfPyramids - 1]]
  lpB = [gpB[numberOfPyramids - 1]]
  
  for i in xrange(numberOfPyramids - 1, 0, -1):
      geA = cv2.pyrUp(gpA[i], dstsize = np.shape(gpA[i-1])[:2]) 
      geB = cv2.pyrUp(gpB[i], dstsize = np.shape(gpB[i-1])[:2])
  
      laplacianA = gpA[i - 1] - geA if i != 1 else cv2.subtract(gpA[i-1], geA)
      laplacianB = gpB[i - 1] - geB if i != 1 else cv2.subtract(gpB[i-1], geB)
  
      lpA.append(laplacianA)
      lpB.append(laplacianB)
  
  # Now add left and right halves of images in each level
  LS = []
  for la, lb in zip(lpA, lpB):
      _, cols, _ = la.shape
      ls = np.hstack((la[:, : cols / 2], lb[:, cols / 2 :]))
      LS.append(ls)
  
  # now reconstruct
  ls_ = LS[0]
  for i in xrange(1, numberOfPyramids):
      ls_ = cv2.pyrUp(ls_, dstsize = np.shape(LS[i])[:2])
      ls_ = ls_ + LS[i] if i != numberOfPyramids - 1 else cv2.add(ls_, LS[i])
  
  cv2.imshow(namedWindowName, ls_)
  cv2.waitKey()
  

在阅读了关于拉普拉斯金字塔的原始资料后，我发现我误解了这种方法，我们可以完全重建原始图像而不产生模糊，因为我们使用了额外的pix信息。剪裁值确实会导致模糊。现在我们又回到开头：）

---

因此，您发布的代码仍然是剪切值，我建议您使用int16保存拉普拉斯金字塔，而不要使用cv2.subtract。希望有效。

您使用的阵列的数据类型是什么？（如果

img

是numpy数组，请检查

img.dtype

）@WarrenWeckesser两种图像类型都是

numpy.ndarray

，数据类型是

uint8

。检查数组中的8位值是否溢出。但是，如果没有看到实际的代码（请参阅），我认为我们不能提供更多帮助。@WarrenWeckesser添加了复制结果的代码。您能为我提供一篇这样的文章吗？我找不到任何包含此类信息的文章……好吧，如果您有足够的耐心，您可以阅读原始文章：。关于低分辨率图像重建的话题，你可以在google scholar中搜索“超分辨率”。读完这篇文章后，我发现拉普拉斯金字塔有负值。我们可以使用拉普拉斯金字塔完全重建图像，所以我更新了我的答案。@Elia尝试使用uint16、int16、float32，仅在最后，当显示图像时，将其更改为uint8，仍然得到相同的结果@非常成功