update ch20

Author: makelove

ch19-Canny边缘检测/19.Canny.py

@@ -29,7 +29,7 @@
 import numpy as np
 from matplotlib import pyplot as plt
 
-img = cv2.imread('../data/messi5.jpg', 0)
+img = cv2.imread('../data/messi5.jpg')
 edges = cv2.Canny(img, 100, 200)
 
 plt.subplot(121), plt.imshow(img, cmap='gray')

ch20-图像金字塔/20.Apple_orange.py

@@ -1,51 +1,68 @@
 # -*- coding: utf-8 -*-
 
+'''
+图像 字塔的一个应用是图像 合。例如 在图像缝合中 你  将两幅 图叠在一  但是由于 接区域图像像素的不 续性 整幅图的效果看 来会 很差。 时图像 字塔就可以排上用场了 他可以帮你实现无缝 接。  的 一个经典案例就是将两个水果 合成一个 看看下图也 你就明白我在 什么 了。
+
+
+实现上 效果的步 如下
+1.  入两幅图像 苹果和句子
+2. 构建苹果和橘子的 斯 字塔 6 层
+3. 根据 斯 字塔 算拉普拉斯 字塔
+4. 在拉普拉斯的每一层  图像 合 苹果的左 与橘子的右  合  5. 根据 合后的图像 字塔 建原始图像。
+'''
+
 import cv2
-import numpy as np,sys
+import numpy as np, sys
+
 A = cv2.imread('apple.jpg')
 B = cv2.imread('orange.jpg')
+
 # generate Gaussian pyramid for A
 G = A.copy()
 gpA = [G]
-for i in xrange(6):
+for i in range(6):
     G = cv2.pyrDown(G)
     gpA.append(G)
+
 # generate Gaussian pyramid for B
 G = B.copy()
 gpB = [G]
-for i in xrange(6):
+for i in range(6):
     G = cv2.pyrDown(G)
     gpB.append(G)
+
 # generate Laplacian Pyramid for A
 lpA = [gpA[5]]
-for i in xrange(5,0,-1):
+for i in range(5, 0, -1):
     GE = cv2.pyrUp(gpA[i])
-    L = cv2.subtract(gpA[i-1],GE)
+    L = cv2.subtract(gpA[i - 1], GE)#TODO error
     lpA.append(L)
 
 # generate Laplacian Pyramid for B
 lpB = [gpB[5]]
-for i in xrange(5,0,-1):
+for i in range(5, 0, -1):
     GE = cv2.pyrUp(gpB[i])
-    L = cv2.subtract(gpB[i-1],GE)
+    L = cv2.subtract(gpB[i - 1], GE)
     lpB.append(L)
+
 # Now add left and right halves of images in each level
-#numpy.hstack(tup)
-#Take a sequence of arrays and stack them horizontally
-#to make a single array.
+# numpy.hstack(tup)
+# Take a sequence of arrays and stack them horizontally
+# to make a single array.
 LS = []
-for la,lb in zip(lpA,lpB):
-    rows,cols,dpt = la.shape
-    ls = np.hstack((la[:,0:cols/2], lb[:,cols/2:]))
+for la, lb in zip(lpA, lpB):
+    rows, cols, dpt = la.shape
+    ls = np.hstack((la[:, 0:cols / 2], lb[:, cols / 2:]))
     LS.append(ls)
+
 # now reconstruct
 ls_ = LS[0]
-for i in xrange(1,6):
+for i in range(1, 6):
     ls_ = cv2.pyrUp(ls_)
     ls_ = cv2.add(ls_, LS[i])
 
 # image with direct connecting each half
-real = np.hstack((A[:,:cols/2],B[:,cols/2:]))
+real = np.hstack((A[:, :cols / 2], B[:, cols / 2:]))
 
-cv2.imwrite('Pyramid_blending2.jpg',ls_)
-cv2.imwrite('Direct_blending.jpg',real)
+cv2.imwrite('Pyramid_blending2.jpg', ls_)
+cv2.imwrite('Direct_blending.jpg', real)

ch20-图像金字塔/apple.jpg

@@ -0,0 +1,46 @@
+# -*- coding: utf-8 -*-
+# @Time    : 2017/7/12 下午3:06
+# @Author  : play4fun
+# @File    : 图像金字塔.py
+# @Software: PyCharm
+
+"""
+图像金字塔.py:
+一般情况下 我们 处理是一副具有固定分辨率的图像。
+但是有些情况下  我们  对同一图像的不同分 率的子图像  处理。
+比如 我们 在一幅图 像中查找某个目标 比如脸 我们不知 目标在图像中的尺寸大小。
+ 这种情况下 ，我们  创建创建一组图像 ， 这些图像是具有不同分 率的原始图像。
+ 我们把这组图像叫做图像金字塔
+ 简单来说 就是同一图像的不同分辨率的子图集合 。
+
+ 如果我们把最大的图像放在底部，最小的放在顶部
+看起来像一座金字塔， 故而得名：图像金字塔。
+  有两类图像金字塔： 高斯金字塔和拉普拉斯金字塔。
+
+高斯金字塔的顶部是通过将底部图像中的连续的行和列去除得到的。
+图像中的每个像素值等于下一层图像中 5 个像素的 斯加权平均值。
+这样 操作一次一个 MxN 的图像就变成了一个 M/2xN/2 的图像。
+所以 这幅图像 的面积就变为原来图像面积的四分之一。 这称为 Octave。
+连续进行这样 的操作我们就会得到一个分辨率不断下降的图像金字塔。
+我们可以使用函数 cv2.pyrDown() 和 cv2.pyrUp() 构建图像金字塔。
+
+
+"""
+
+import cv2
+import numpy as np
+
+higher_reso = cv2.imread('../data/messi5.jpg')
+# 函数 cv2.pyrDown() 从一个 分辨率大尺寸的图像向上构建一个金子塔
+# 尺寸变小 分辨率降低 。
+lower_reso = cv2.pyrDown(higher_reso)
+cv2.imshow('lower_reso', lower_reso)
+
+# 从一个低分 率小尺寸的图像向下构建一个 子塔 尺 寸变大 但分 率不会增加
+higher_reso2 = cv2.pyrUp(lower_reso)
+cv2.imshow('higher_reso2', higher_reso2)
+
+# 你  住的是是 higher_reso2 和 higher_reso 是不同的。因为一旦使 用 cv2.pyrDown() 图像的分辨率就会 低 ,信息就会 丢失
+
+cv2.waitKey(0)
+cv2.destroyAllWindows()