圖像金字塔與分群

woff

• 透過圖像固定計算的方式產生縮小(pyrDown)與增大(pyrUp)的新圖像。
• 縮小為原面積的四分之一，增大為原面積的四倍，建議圖像尺寸調整
為4的倍數。
• kernel是固定大小，若想要採用彈性較大的方式，建議選擇前述的filter
方式進行。
• 縮小後因為要保留原圖像的特徵，所以圖像會進行高斯模糊，會將干
擾值(噪音、躁聲)降到最低，圖像中的邊界就較為明顯。
• 縮小後的圖像怎麼看到明顯的邊界?
• 縮小後的圖像再放大，就會成為高斯模糊後的影像，邊界特徵與原圖比較就會
明顯

代碼

1. import numpy as np
   
2. import cv2, os
   
3. from skimage import io
   
4. def displayIMG(img, widowName):
   
5.     cv2.namedWindow(widowName,cv2.WINDOW_NORMAL)
   
6.     cv2.resizeWindow(widowName,400,300)
   
7.     cv2.imshow(widowName, img)
   
8. 
   
9. image = cv2.imread('office.png')
   
10. image = cv2.cvtColor(image, cv2.COLOR_RGBA2GRAY)
    
11. cv2.imshow('image',image)
    
12. for i in range (0,255,50):
    
13.     canny = cv2.Canny(image, i ,255)
    
14.     displayIMG(canny,'Canny'+str(i))
    
15. 
    
16. cv2.waitKey()

複製代碼

原圖



Sobel 垂直與水平若同時選擇，結果很類似Laplace
可分別進行垂直與水平，最後再選擇合併





Laplacian
二階導數計算，同時計算垂直與水平。

• Sobel與Laplacian
• 都是依據kernel大小作邊緣偵測。
• kernel愈大，碰到干擾值就愈多。
• Sobel是單方向的，而Laplacian是平面的。
• Canny
• 依據你所設定的閥值範圍進行邊緣偵測
• 會自動轉換為灰階方式進行。
• canny(img,30,150) 代表
• 邊緣檢測的設定的最低值是30 (最低為0)
• 邊緣檢測的設定的最高值是150 (最高為255)
• 檢測的灰階色彩範圍愈廣找到的邊緣就愈多

• Canny
• 1.會自動轉換為灰階方式進行。
• 2.可設定閥值，針對數值範圍進行不同程度的篩選。
• Sobel
• 垂直與水平若同時選擇，結果很類似Laplace
• 可分別進行垂直與水平，最後再選擇合