歡迎大家來到“Python從零到壹”，在這里我將分享約200篇Python系列文章，帶大家一起去學習和玩耍，看看Python這個有趣的世界，所有文章都將結合案例、代碼和作者的經驗講解，真心想把自己近十年的編程經驗分享給大家，希望對您有所幫助，文章中不足之處也請海涵，Python系列整體框架包括基礎語法10篇、網路爬蟲30篇、可視化分析10篇、機器學習20篇、大資料分析20篇、影像識別30篇、人工智能40篇、Python安全20篇、其他技巧10篇，您的關注、點贊和轉發就是對秀璋最大的支持，知識無價人有情，希望我們都能在人生路上開心快樂、共同成長，

該系列文章主要講解Python OpenCV影像處理和影像識別知識，前期主要講解影像處理基礎知識、OpenCV基礎用法、常用影像繪制方法、影像幾何變換等，中期講解影像處理的各種運算，包括影像點運算、形態學處理、影像銳化、影像增強、影像平滑等，后期研究影像識別、影像分割、影像分類、影像特效處理以及影像處理相關應用，

上一篇文章介紹影像采樣處理，這篇文章將詳細講解影像金字塔，包括影像向上取樣和向下取樣，希望文章對您有所幫助，如果有不足之處，還請海涵，

文章目錄

一.影像金字塔原理
二.影像向上取樣
三.影像向下取樣
四.總結

下載地址：

https://github.com/eastmountyxz/Python-zero2one

前文賞析：

第一部分基礎語法

[Python從零到壹] 一.為什么我們要學Python及基礎語法詳解
[Python從零到壹] 二.語法基礎之條件陳述句、回圈陳述句和函式
[Python從零到壹] 三.語法基礎之檔案操作、CSV檔案讀寫及面向物件

第二部分網路爬蟲

[Python從零到壹] 四.網路爬蟲之入門基礎及正則運算式抓取博客案例
[Python從零到壹] 五.網路爬蟲之BeautifulSoup基礎語法萬字詳解
[Python從零到壹] 六.網路爬蟲之BeautifulSoup爬取豆瓣TOP250電影詳解
[Python從零到壹] 七.網路爬蟲之Requests爬取豆瓣電影TOP250及CSV存盤
[Python從零到壹] 八.資料庫之MySQL基礎知識及操作萬字詳解
[Python從零到壹] 九.網路爬蟲之Selenium基礎技術萬字詳解（定位元素、常用方法、鍵盤滑鼠操作）
[Python從零到壹] 十.網路爬蟲之Selenium爬取在線百科知識萬字詳解（NLP語料構造必備技能）

第三部分資料分析和機器學習

[Python從零到壹] 十一.資料分析之Numpy、Pandas、Matplotlib和Sklearn入門知識萬字詳解(1)
[Python從零到壹] 十二.機器學習之回歸分析萬字總結全網首發（線性回歸、多項式回歸、邏輯回歸）
[Python從零到壹] 十三.機器學習之聚類分析萬字總結全網首發（K-Means、BIRCH、層次聚類、樹狀聚類）
[Python從零到壹] 十四.機器學習之分類演算法三萬字總結全網首發（決策樹、KNN、SVM、分類演算法對比）
[Python從零到壹] 十五.文本挖掘之資料預處理、Jieba工具和文本聚類萬字詳解
[Python從零到壹] 十六.文本挖掘之詞云熱點與LDA主題分布分析萬字詳解
[Python從零到壹] 十七.可視化分析之Matplotlib、Pandas、Echarts入門萬字詳解
[Python從零到壹] 十八.可視化分析之Basemap地圖包入門詳解
[Python從零到壹] 十九.可視化分析之熱力圖和箱圖繪制及應用詳解
[Python從零到壹] 二十.可視化分析之Seaborn繪圖萬字詳解
[Python從零到壹] 二十一.可視化分析之Pyechart繪圖萬字詳解
[Python從零到壹] 二十二.可視化分析之OpenGL繪圖萬字詳解
[Python從零到壹] 二十三.十大機器學習演算法之決策樹分類分析詳解(1)
[Python從零到壹] 二十四.十大機器學習演算法之KMeans聚類分析詳解(2)
[Python從零到壹] 二十五.十大機器學習演算法之KNN演算法及影像分類詳解(3)
[Python從零到壹] 二十六.十大機器學習演算法之樸素貝葉斯演算法及文本分類詳解(4)
[Python從零到壹] 二十七.十大機器學習演算法之線性回歸演算法分析詳解(5)
[Python從零到壹] 二十八.十大機器學習演算法之SVM演算法分析詳解(6)
[Python從零到壹] 二十九.十大機器學習演算法之隨機森林演算法分析詳解(7)
[Python從零到壹] 三十.十大機器學習演算法之邏輯回歸演算法及惡意請求檢測應用詳解(8)
[Python從零到壹] 三十一.十大機器學習演算法之Boosting和AdaBoost應用詳解(9)
[Python從零到壹] 三十二.十大機器學習演算法之層次聚類和樹狀圖聚類應用詳解(10)

第四部分 Python影像處理基礎

[Python從零到壹] 三十三.影像處理基礎篇之什么是影像處理和OpenCV配置
[Python從零到壹] 三十四.OpenCV入門詳解——顯示讀取修改及保存影像
[Python從零到壹] 三十五.影像處理基礎篇之OpenCV繪制各類幾何圖形
[Python從零到壹] 三十六.影像處理基礎篇之影像算術與邏輯運算詳解
[Python從零到壹] 三十七.影像處理基礎篇之影像融合處理和ROI區域繪制
[Python從零到壹] 三十八.影像處理基礎篇之影像幾何變換（平移縮放旋轉）
[Python從零到壹] 三十九.影像處理基礎篇之影像幾何變換（鏡像仿射透視）
[Python從零到壹] 四十.影像處理基礎篇之影像量化處理
[Python從零到壹] 四十一.影像處理基礎篇之影像采樣處理
[Python從零到壹] 四十二.影像處理基礎篇之影像金字塔向上取樣和向下取樣

第五部分 Python影像運算和影像增強

第六部分 Python影像識別和影像處理經典案例

第七部分 NLP與文本挖掘

第八部分人工智能入門知識

第九部分網路攻防與AI安全

第十部分知識圖譜構建實戰

擴展部分人工智能高級案例

作者新開的“娜璋AI安全之家”將專注于Python和安全技術，主要分享Web滲透、系統安全、人工智能、大資料分析、影像識別、惡意代碼檢測、CVE復現、威脅情報分析等文章，雖然作者是一名技術小白，但會保證每一篇文章都會很用心地撰寫，希望這些基礎性文章對你有所幫助，在Python和安全路上與大家一起進步，

一.影像金字塔原理

上一篇文章講解的影像采樣處理可以降低影像的大小，本文將補充影像金字塔知識，了解專門用于影像向上采樣和向下采樣的pyrUp()和pyrDown()函式，

影像金字塔是指由一組影像且不同分別率的子圖集合，它是影像多尺度表達的一種，以多解析度來解釋影像的結構，主要用于影像的分割或壓縮，一幅影像的金字塔是一系列以金字塔形狀排列的解析度逐步降低，且來源于同一張原始圖的影像集合，如圖10-1所示，它包括了四層影像，將這一層一層的影像比喻成金字塔，影像金字塔可以通過梯次向下采樣獲得，直到達到某個終止條件才停止采樣，在向下采樣中，層級越高，則影像越小，解析度越低[1-2]，

在這里插入圖片描述

生成影像金字塔主要包括兩種方式：

向下取樣
向上取樣

在圖中，將影像G0轉換為G1、G2、G3，影像解析度不斷降低的程序稱為向下取樣；將G3轉換為G2、G1、G0，影像解析度不斷增大的程序稱為向上取樣，

二.影像向上取樣

在影像向上取樣是由小影像不斷放影像的程序，它將影像在每個方向上擴大為原影像的2倍，新增的行和列均用0來填充，并使用與“向下取樣”相同的卷積核乘以4，再與放大后的影像進行卷積運算，以獲得“新增像素”的新值，如圖10-2所示，它在原始像素45、123、89、149之間各新增了一行和一列值為0的像素，

在這里插入圖片描述

在OpenCV中，向上取樣使用的函式為pyrUp()，其原型如下所示：

dst = pyrUp(src[, dst[, dstsize[, borderType]]])
– src表示輸入影像，
– dst表示輸出影像，和輸入影像具有一樣的尺寸和型別
– dstsize表示輸出影像的大小，默認值為Size()
– borderType表示像素外推方法，詳見cv::bordertypes

向上取樣的代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('lena-small.png')

#影像向上取樣
r = cv2.pyrUp(img)

#顯示影像
cv2.imshow('original', img)
cv2.imshow('PyrUp', r)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結果如圖10-3所示，它將原始影像擴大為原影像的四倍，

在這里插入圖片描述

多次向上取樣的代碼如下，

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('lena-small.png')

#影像向上取樣
r1 = cv2.pyrUp(img)
r2 = cv2.pyrUp(r1)
r3 = cv2.pyrUp(r2)

#顯示影像
cv2.imshow('original', img)
cv2.imshow('PyrUp1', r1)
cv2.imshow('PyrUp2', r2)
cv2.imshow('PyrUp3', r3)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結果如圖10-4所示，每次向上取樣均為上次影像的四倍，但影像的清晰度會降低，

在這里插入圖片描述

三.影像向下取樣

在影像向下取樣中，使用最多的是高斯金字塔，它將對影像Gi進行高斯核卷積，并洗掉原圖中所有的偶數行和列，最終縮小影像，其中，高斯核卷積運算就是對整幅影像進行加權平均的程序，每一個像素點的值，都由其本身和鄰域內的其他像素值（權重不同）經過加權平均后得到，常見的3×3和5×5高斯核如下：

在這里插入圖片描述

高斯核卷積讓臨近中心的像素點具有更高的重要度，對周圍像素計算加權平均值，如圖10-5所示，其中心位置權重最高為0.4，

在這里插入圖片描述

在OpenCV中，向下取樣使用的函式為pyrDown()，其原型如下所示：

dst = pyrDown(src[, dst[, dstsize[, borderType]]])
– src表示輸入影像，
– dst表示輸出影像，和輸入影像具有一樣的尺寸和型別
– dstsize表示輸出影像的大小，默認值為Size()
– borderType表示像素外推方法，詳見cv::bordertypes

向下取樣的代碼如下所示：

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('nv.png')

#影像向下取樣
r = cv2.pyrDown(img)

#顯示影像
cv2.imshow('original', img)
cv2.imshow('PyrDown', r)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結果如圖10-6所示，它將原始影像壓縮成原圖的四分之一，

在這里插入圖片描述

多次向下取樣的代碼如下，

# -*- coding: utf-8 -*-
# By：Eastmount
import cv2  
import numpy as np  
import matplotlib.pyplot as plt

#讀取原始影像
img = cv2.imread('nv.png')

#影像向下取樣
r1 = cv2.pyrDown(img)
r2 = cv2.pyrDown(r1)
r3 = cv2.pyrDown(r2)

#顯示影像
cv2.imshow('original', img)
cv2.imshow('PyrDown1', r1)
cv2.imshow('PyrDown2', r2)
cv2.imshow('PyrDown3', r3)
cv2.waitKey()
cv2.destroyAllWindows()

輸出結果如圖10-7所示，每次向下取樣均為上次的四分之一，并且影像的清晰度會降低，

在這里插入圖片描述

四.總結

本文主要講解影像金字塔處理，包括影像向上取樣和向下取樣，需要注意，向上取樣放大后的影像比原始影像要模糊，而每次向下取樣會洗掉偶數行和列，它會不停地丟失影像的資訊，此外，向上采樣和向下采樣不是互逆的操作，經過兩種操作后，是無法恢復原始影像的，

寫到這里，第一部分影像處理基礎知識介紹完畢，該部分包括10篇文章，分別是影像處理基礎知識和OpenCV配置；OpenCV入門詳解（顯示讀取修改及保存影像）；OpenCV繪制各類幾何圖形；影像算術與邏輯運算詳解；影像融合處理和ROI區域繪制；影像幾何變換（平移、縮放、旋轉、鏡像、仿射、透視）；影像量化處理；影像采樣處理和影像金字塔處理，這些基礎知識是我們開啟影像處理系列分享的基礎，希望大家一定要主動完成文章中的所有代碼，同時，如果您是一名初學者或學生，可以嘗試學習該系列文章，既能提升您的編程興趣，又能幫助您完成實戰性的技能提升，接下來我們進入第二部分——影像運算和影像增強，進一步深入介紹影像處理相關知識點，

最近日更，為了感謝讀者，同時感謝在求學路上的同行者，不負遇見，勿忘初心，影像處理系列主要包括三部分，分別是：

在這里插入圖片描述

請添加圖片描述

祝大家新年快樂，虎年大吉，闔家幸福，萬事如意，小珞珞給大家拜年了，親情是真的很美，很治愈，希望小珞珞和他媽媽能開心每一天，全家人身體健康，小珞珞這小樣子可愛極了，愛你們喔！

在這里插入圖片描述

(By:娜璋之家 Eastmount 2022-02-10 夜于貴陽 https://blog.csdn.net/Eastmount )

參考文獻：

[1]岡薩雷斯著. 數字影像處理（第3版）[M]. 北京：電子工業出版社，2013.
[2]Eastmount. [Python影像處理] 三十.影像量化及采樣處理萬字詳細總結[EB/OL]. (2020-11-10). https://blog.csdn.net/Eastmount/article/details/109605161.
[3]Eastmount. [數字影像處理] 三.MFC實作影像灰度、采樣和量化功能詳解[EB/OL]. (2015-05-28). https://blog.csdn.net/eastmount/article/details/46010637.

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/423689.html

標籤：AI

上一篇：NLP自然語言處理-余弦相似性計算文章/文本/字串雷同率

下一篇：一文絕對讓你完全弄懂資訊熵、相對熵、交叉熵的意義《繁凡的深度學習筆記》第 3 章分類問題與資訊論基礎（中）（DL筆記整理系列）

[Python從零到壹] 四十二.影像處理基礎篇之影像金字塔向上取樣和向下取樣

文章目錄

一.影像金字塔原理

二.影像向上取樣

三.影像向下取樣

四.總結