高斯金字塔 ： PyrDown 图像变小，细节减少
拉普拉斯金字塔 ： PyrUp 图像变大 ， 尽量弥补细节
Resize
CV_EXPORTS_W void resize( InputArray src, OutputArray dst,
Size dsize, double fx = 0, double fy = 0,
int interpolation = INTER_LINEAR );
第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。
第二个参数,OutputArray类型的dst,输出图像,当其非零时,有着dsize(第三个参数)的尺寸,或者由src.size()计算出来。
第三个参数,Size类型的dsize,输出图像的大小。如果它等于零,由下式进行计算:
dsize=Size(round(fx*src.cols),round(fy*src.rows))
其中,dsize、fx、fy都不能为0。
第四个参数,double类型的fx,沿水平轴的缩放系数,有默认值0,当其等于0时,由下式进行计算:
(double)dsize.width/src.cols
第五个参数,double类型的y,沿垂直轶的缩放系数,有默认值0,当其等于0时,由下式进行计算:
(double)dsize.height/src.rows
第六个参数,int类型的interpolation,用于指定插值方式,默认为
INTER_LINEAR(线性插值)。
可选的插值方式如下：
INTER_NEAREST 最近邻插值
INTER_LINEAR 线性插值
INTER_AREA 区域插值
INTER_CUBIC 三次样条插值
INTER_LANCZOS4 lanczos插值
若要缩小图像，一般情况下最好用CV_INTER_AREA来插值;而若要放大图像,一般情况下最好用CV_INTER_CUBIC〔(效率不高,慢,不推荐使用)或CV_INTER_LINEAR(效率较高,速度较快,推荐使用)。
pyrUp
CV_EXPORTS_W void pyrUp( InputArray src, OutputArray dst,
const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );
第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。
第二个参数,OutputArray类型的dst,辈出图像,和源图片有一样的尺寸和类型。
第三个参数,constSize&类型的dstsize,输出图像的大小;有默认值Size(),即默认情况下，由Size〔(src.cols*2,src.rows*2) 来进行计算，且一直需要满足下列条件:
| dstsize.width - src.cols*2 | <= (dstsize.width mod2)
| dstsize.height- src.rows*2 | <= (dstsize.height mod2)
第四个参数，int类型的borderType 边界模式，一般不用去管它
pyrDown
CV_EXPORTS_W void pyrDown( InputArray src, OutputArray dst,
const Size& dstsize = Size(), int borderType = BORDER_DEFAULT );
第一个参数,InputArray类型的src,输入图像,即源图像,填Mat类的对象即可。
第二个参数,OutputArray类型的dst,辈出图像,和源图片有一样的尺寸和类型。
第三个参数,constSize&类型的dstsize,输出图像的大小;有默认值Size(),即默认情况下，由Size〔(src.cols/2,src.rows/2) 来进行计算，且一直需要满足下列条件:
| dstsize.width*2 - src.cols | <= 2
| dstsize.height*2- src.rows | <= 2
该pyrDown函数执行了高斯金字塔建造的向下采样的步骤。首先,它将源图像与如下内核做卷积运算:
综合练习：
/*
程序要求：
使用resize pyrdown pyrup对图片进行操作
按 1 或者 w ，进行resize放大
按 2 或者 s ，进行resize缩小
按 3 或者 a ，进行pyrup放大
按 4 或者 d ，进行pydown缩小
按 5 ， 获取原图
按q退出
*/
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
void image_control( int e,Mat **);
int main() {
Mat src = imread("C:/dev/cpp_test/kun.png");
Mat dst ,tmp;
src.copyTo(tmp);
src.copyTo(dst);
imshow("src",src);
Mat* image_group[3] = {&tmp, &dst,&src};
int key=0;
while(true){
key = waitKey(10);
image_control(key,image_group);
if(key == '5'){cout<<"recovery"<<endl;dst=src;tmp=src;} // if press 5 ,recover to src image
imshow("dst",dst);
}
return 0;
}
void image_control(int e,Mat *image_group[]){
Mat src = *image_group[0];
Mat dst = *image_group[1];
switch (e)
{
//exit
case 'Q':
cout << "Exit" <<endl;
exit(0);
break;
case 'q':
cout << "Exit" <<endl;
exit(0);
break;
case 27:
cout << "Exit" <<endl;
exit(0);
break;
//resize expansion
case 'W':
cout <<"expansion" << endl;
resize(src,dst,Size(src.cols*2,src.rows*2));
break;
case 'w':
cout <<"expansion" << endl;
resize(src,dst,Size(src.cols*2,src.rows*2));
break;
case '1':
cout <<"expansion" << endl;
resize(src,dst,Size(src.cols*2,src.rows*2));
break;
//resize reduction
case 'S':
cout <<"reduction" << endl;
resize(src,dst,Size(src.cols/2,src.rows/2));
break;
case 's':
cout <<"reduction" << endl;
resize(src,dst,Size(src.cols/2,src.rows/2));
break;
case '2':
cout <<"reduction" << endl;
resize(src,dst,Size(src.cols/2,src.rows/2));
break;
// pyramid Up
case 'A':
cout <<"pyramid up" << endl;
pyrUp(src,dst,Size(src.cols*2,src.rows*2));
break;
case 'a':
cout <<"pyramid up" << endl;
pyrUp(src,dst,Size(src.cols*2,src.rows*2));
break;
case '3':
cout <<"pyramid up" << endl;
pyrUp(src,dst,Size(src.cols*2,src.rows*2));
break;
//pyramid Down
case 'D':
cout <<"pyramid down" << endl;
pyrDown(src,dst,Size(src.cols/2,src.rows/2));
break;
case 'd':
cout <<"pyramid down" << endl;
pyrDown(src,dst,Size(src.cols/2,src.rows/2));
break;
case '4':
cout <<"pyramid down" << endl;
pyrDown(src,dst,Size(src.cols/2,src.rows/2));
break;
}
*image_group[0] = dst;
*image_group[1] = dst;
}
threshold 固定阈值
CV_EXPORTS_W double threshold( InputArray src, OutputArray dst,
double thresh, double maxval, int type );
第一个参数,InputArray类型的src,输入数组,填单通道,8或32位浮点类型的Mat即可。
第二个参数,OutputArray类型的dst,函数调用后的运算结果存在这里,即这个参数用于存放输出结果,且和第一个参数中的Mat变量有一样的尺寸和类型。
第三个参数,double类型的thresh,阗值的具体值。
第四个参数,double类型的maxval,当第五个参数阀值类型type取CV_THRESH_BINARY或CV_THRESH_BINARY_INV时阗值类型时的最大值(对应地,OpenCV2中可以为CV_THRESH_BINARY和 CV_THRESH_BINARY_INV)。
第五个参数,int类型的type,阙值类型。threshold()函数支持的对图像取阙值的方法由其确定,具体用法如图6.70。
对应取值 0 ，1 ，2 ，3， 4
adaptiveThreshold 自适应阈值
CV_EXPORTS_W void adaptiveThreshold( InputArray src, OutputArray dst,
double maxValue, int adaptiveMethod,
int thresholdType, int blockSize, double C );
第-个参数InputArray类型的src,输入图像,即源图像,填Mat类的对象即可,且需为8位单通道浮点型图像。
第二个参数,OutputArray类型的dst,函数调用后的运算结果存在这里,需和源图片有一样的尺寸和类型。
第三个参数,double类型的maxValue,给像素赋的满足条件的非零值。具体看下面的讲解。
第四个参数,int类型的adaptiveMethod,用于指定要使用的自适应阈值算法,可取值为ADAPTIVE_THRESH_MEAN_C或ADAPTIVE_THRESH_GAUSSIAN_C。
第五个参数,int类型的thresholdType阈值类型。取值必须为THRESH_BINARY、THRESH_BINARY_INV其中之一。
第六个参数,int类型的blockSize, 用于计算阈值大小的一个像素的邻域尺寸,取值为3、5、7等。
第七个参数,double类型的C,减去平均或加权平均值后的常数值。通常其为正数,但少数情况下也可以为零或负数。
adaptiveThreshold()函数的类型根据如下公式，将衣服灰度图变换为一副二值图。
当第五个参数，“阈值类型” thresholdType取值为THRESH_BINARY时，公式如下：
当第五个参数，“阈值类型” thresholdType取值为THRESH_BINARY_INV时，公式为：
而其中的T(x,y)为分别计算每个单独像素的阈值，取值如下。
对于ADAPTIVE_THRESH_MEAN_C 方法，阈值 T(x,y)为blockSize X blockSize邻域内（x,y）减去第七个参数C的平均值
对于ADAPTIVE_THRESH_GUASSIAN_C方法，阈值T(x,y），为blockSize X blockSize邻域内的（x,y）减去第七个参数C 与高斯窗交叉相关（Cross-correlation with a Gaussian window）的加权总和
标签：src,缩放,int,double,OpenCV,参数,图像,类型,金字塔 From： https://www.cnblogs.com/lengblog/p/17324776.html