首页 > 其他分享 >图像金字塔绘制

图像金字塔绘制

时间:2023-10-12 15:45:21浏览次数:27  
标签:end img deltaW im 图像 deltaH filter1 金字塔 绘制

图像金字塔绘制

untitled

代码:

clc
clear all
close all
%% 初始化参数
dog = imread("kobi.png");
% 灰度化
dogGray = rgb2gray(dog);
[W , H ] =size(dogGray);
% 高斯图像金字塔
dogPyramid =Pyramid(dogGray,W,H,4);
%% 绘图
figure;
%取第一张图片参数,作为金字塔底层大小
[FirstW ,FirstH] = size(cell2mat(dogPyramid(1)));
%上一张图参数
LastW = 0;LastH = 0;
%偏移量
deltaH = 0;deltaW = 0;
for i=1:4
    im = cell2mat(dogPyramid(i));
    im=uint8(im);
    im = flipud(im);  
    [W,H] = size(im);
    if i == 1
        [Y,Z]=meshgrid(1:H,1 :W);
    else
        deltaH = deltaH + LastH/4;
        deltaW = deltaW + LastW/4;
        [Y,Z]=meshgrid(deltaH:FirstH - deltaH - 1,deltaW :FirstW - deltaW - 1);
    end
    X=ones(W,H)*(4 - i)*5;
    LastW = W;
    LastH = H;
    surf(X,Y,Z,im,'FaceColor','texture','EdgeColor','none');
    colormap(gray);
     hold on;
end


function out=Pyramid(img_filter , w , h , p)
gausPyramid=cell(1,p);
% 5*5高斯核,sigma=1
kernel=fspecial('gaussian',5,1);
% 高斯核乘以4(亮度守恒)
kernel1=4.*kernel;
gausPyramid(1)=mat2cell(img_filter,w,h);
for i=2:p        
    %% 高斯金字塔
    % 滤波
    img_filter1=filter2(kernel,img_filter,'same');
    % 下采样:去掉偶数行、列
    img_filter1(2:2:end,:)=[];
    img_filter1(:,2:2:end)=[];    
    [m,n]=size(img_filter1);
    gausPyramid(i)=mat2cell(img_filter1,m,n);
    img_filter=img_filter1;
end
out = gausPyramid;
end

标签:end,img,deltaW,im,图像,deltaH,filter1,金字塔,绘制
From: https://www.cnblogs.com/whwhhf/p/17759655.html

相关文章

  • 统一图像和文字生成的MiniGPT-5来了:Token变Voken,模型不仅能续写,还会自动配图了
    前言 OpenAI的GPT-5大模型似乎还遥遥无期,但已经有研究者率先推出了创新视觉与语言交叉生成的模型MiniGPT-5。这对于生成具有连贯文本描述的图像具有重要意义。本文转载自机器之心仅用于学术分享,若侵权请联系删除欢迎关注公众号CV技术指南,专注于计算机视觉的技术总结、最新......
  • img 固定宽高 图像不拉伸 显示图片中间部分
    .m-sd-chat-select-avatar-img{width:100px;height:125px;object-fit:cover;border-radius:6px;cursor:pointer;}  使用后:使用前: ......
  • canvas绘制箭头
    <!DOCTYPEhtml><html><head><title>箭头</title><metacharset="utf-8"></head><bodystyle=""><canvasid="'myCanvas"width="1500"height="20......
  • 绘制系统(绘制系统简介,画笔和画刷,渐变系统,坐标系统,绘制文字和图片,图形视图框架)
    一、绘制系统简介QPainter、QPaintDevice和QPaintEngine这三个类。其中QPainter用来执行绘图操作;QPaintDevice提供绘图设备,它是一个二维空间的抽象,可以使用QPainter在其上进行绘制;QPaintEngine提供了一些接口,可以用于QPainter在不同的设备上进行绘制。在绘图系统中由QPainter来完成......
  • Astronomaly:利用 CNN 和主动学习识别 400 万张星系图像中的异常
    星系中的异常现象是我们了解宇宙的关键。然而,随着天文观测技术的发展,天文数据正以指数级别增长,超出了天文工作者的分析能力。尽管志愿者可以在线上参与对天文数据的处理,但他们只能进行一些简单的分类,还可能会遗漏一些关键数据。为此,研究者基于卷积神经网络和无监督学习开发了As......
  • OpenGL——着色器设置绘制对象颜色及透明度
     {https://blog.csdn.net/weixin_46568899/article/details/129217018} {。着色器的编写结构如下:1.声明版本(很重要,版本不对的话会得到不同的绘制结果)。2.使用location指定输入变量。3.定义输入输出变量(用in和out关键字)。4.main函数。以下是一个简单的例子:   constcha......
  • vue3绘制和回显多边形
    参考了这个:https://blog.csdn.net/weixin_42178050/article/details/130012696将其从vue2的语法改成了vue3,效果如下:代码如下:<template><divclass="app-container"><divclass="d-flexj-center"><el-container><el......
  • 图像识别技术在农业领域的应用与挑战
    导言: 随着科技的不断发展,图像识别技术在各行各业都有着广泛的应用,农业领域也不例外。本文将探讨图像识别技术在农业中的应用,以及在这一领域面临的挑战和机遇。1.农作物病害检测:图像识别技术可以用于检测农作物上的病害和害虫,通过拍摄叶片或果实的图像,识别植物健康状况,及时采取......
  • 基于深度学习的图像生成与识别技术研究
    基于深度学习的图像生成与识别技术是人工智能领域中备受关注的研究领域之一。这些技术借助深度神经网络模型,具有出色的性能和广泛的应用,包括图像生成、图像识别、图像分割等。以下是关于这两个领域的研究方向和趋势:图像生成技术生成对抗网络(GANs):GANs是生成图像最引人注目......
  • 深度学习在医疗保健领域的应用:从图像识别到疾病预测
    文章目录深度学习在医学影像识别中的应用1.癌症检测2.病理学图像分析3.医学图像分割深度学习在疾病预测中的应用1.疾病风险预测2.疾病诊断辅助3.药物研发深度学习在个性化治疗中的应用1.基因组学分析2.临床数据集成深度学习在医疗保健中的挑战和未来数据隐私和安全性解释......