实验原理
拉普拉斯金字塔（Laplacian Pyramid）是一种图像表示方法，常被用于图像处理和计算机视觉领域。它是基于高斯金字塔的一种变换形式，主要用于图像融合、图像金字塔的构建等场景。下面简要介绍拉普拉斯金字塔的基本原理。
高斯金字塔（Gaussian Pyramid）
首先，为了理解拉普拉斯金字塔，我们需要了解高斯金字塔的概念。高斯金字塔是一个多分辨率的图像表示方法，通过一系列对原图进行下采样的操作生成不同分辨率的图像序列。每个层是由前一层经过卷积滤波后进行下采样得到的。
拉普拉斯金字塔
拉普拉斯金字塔也是多分辨率表示的一种方式，但与高斯金字塔不同的是，拉普拉斯金字塔记录的是每一层相对于上一层的差异信息。这种金字塔由如下步骤构建：
1. 构建高斯金字塔：从原始图像开始，依次生成每一层的高斯金字塔，每层都是通过应用高斯滤波器后进行下采样（通常是将图像尺寸缩小一半）得到的。
2. 构建拉普拉斯层：对于每一层高斯金字塔，拉普拉斯层是通过以下步骤得到的：
•从较高分辨率的图像生成较低分辨率的图像（即，先下采样再高斯滤波）。
•从较低分辨率的图像生成较高分辨率的图像（即，先上采样再高斯滤波）。
•计算两者的差值，这就是该层的拉普拉斯层。
应用
拉普拉斯金字塔在很多场合都有应用，比如：
•图像融合：可以将多个源图像的拉普拉斯层叠加在一起，从而创建出一个具有多个视角信息的新图像。
•图像压缩：由于拉普拉斯金字塔的每一层都表示了图像的一个细节层次，因此可以用不同的精度来存储每一层，从而实现图像的高效压缩。
•边缘检测：拉普拉斯金字塔中的每一层都可以看作是对应尺度下的边缘信息，因此可以用来进行边缘检测。
在OpenCV（开源计算机视觉库）中，拉普拉斯金字塔（Laplacian Pyramid）是一种多尺度图像表示方法，它用于图像处理和计算机视觉任务中。拉普拉斯金字塔是基于高斯金字塔（Gaussian Pyramid）构建的，通常用于图像融合、图像金字塔之间的差异存储以及图像缩放等操作。
原理
1.高斯金字塔：
首先创建一个高斯金字塔，它是通过连续对原始图像进行模糊和下采样得到的一系列图像。每次生成新的层时，通常会使用一个5x5或3x3的高斯核来对图像进行平滑处理，然后将图像的宽度和高度减半。
2.拉普拉斯金字塔构造：
一旦有了高斯金字塔，就可以构建拉普拉斯金字塔了。对于每个高斯金字塔中的非顶层图像，我们对其进行上采样（通常是尺寸扩大一倍），然后从其上方一层（即更精细的层）减去这个上采样的版本。结果就是该层的拉普拉斯图像，它捕捉了与上一层相比的细节变化。
3.拉普拉斯金字塔应用：
图像融合：可以将两个或多个不同来源的拉普拉斯金字塔对应层相加，然后通过逆过程重建出融合后的图像。
图像压缩：可以仅存储拉普拉斯金字塔的顶部（最粗糙的层），以及每一层的差值，这样可以减少存储空间。
图像金字塔之间的差异存储：这有助于在网络上传输图像时节省带宽。
4.重建图像：为了从拉普拉斯金字塔中恢复原始图像，需要反向操作。先从最顶层开始，进行上采样，并将其与下一层的拉普拉斯图像相加。重复这一过程直到最后一层，就能重建出完整的图像。
在OpenCV中，buildPyramidMultiChannel函数可以用来创建拉普拉斯金字塔，而pyrUp和pyrDown函数则分别用于上采样和下采样操作。不过需要注意的是，直接用于创建拉普拉斯金字塔的函数可能需要你自己实现，因为OpenCV没有直接提供这样的函数，你需要组合使用上述提到的功能来构建拉普拉斯金字塔。
示例代码1
使用C++编写的拉普拉斯金字塔构建示例代码：
#include "pch.h"#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;// 定义一个函数来构建拉普拉斯金字塔
vector<Mat> buildLaplacianPyramid(const Mat &src, int levels)
{vector<Mat> gaussianPyramid;vector<Mat> laplacianPyramid;// 创建高斯金字塔gaussianPyramid.push_back(src.clone());Mat temp = src.clone();for (int i = 0; i < levels; ++i) {GaussianBlur(temp, temp, Size(5, 5), 1.5);Mat nextLevel;pyrDown(temp, nextLevel);gaussianPyramid.push_back(nextLevel.clone());temp = nextLevel;}// 创建拉普拉斯金字塔for (int i = gaussianPyramid.size() - 2; i >= 0; --i) {Mat expanded;pyrUp(gaussianPyramid[i + 1], expanded, gaussianPyramid[i].size());Mat laplacian;gaussianPyramid[i] -= expanded;laplacian = gaussianPyramid[i];laplacianPyramid.push_back(laplacian);}// 将最后一个高斯层加入拉普拉斯金字塔laplacianPyramid.push_back(gaussianPyramid.back());return laplacianPyramid;
}int main(int argc, char** argv)
{/*if (argc != 2){cout << "Usage: ./LaplacianPyramid <Image Path>" << endl;return -1;}*/// 加载图像Mat img = imread("01.png", IMREAD_GRAYSCALE);if (!img.data){cout << "Error opening image" << endl;return -1;}// 设置金字塔的层数int levels = 5;// 构建拉普拉斯金字塔vector<Mat> laplacianPyramid = buildLaplacianPyramid(img, levels);// 显示金字塔的每一层for (size_t i = 0; i < laplacianPyramid.size(); ++i){namedWindow("Laplacian Level " + to_string(i), WINDOW_NORMAL);imshow("Laplacian Level " + to_string(i), laplacianPyramid[i]);waitKey(0);}return 0;
}说明
1. 高斯金字塔: 使用 pyrDown 函数创建高斯金字塔的每一层。
2. 拉普拉斯金字塔: 使用 pyrUp 函数将高斯金字塔的每一层扩大到原始尺寸，并与原图相减得到拉普拉斯层。
3. 显示: 使用 imshow 和 waitKey 来显示每一层的拉普拉斯金字塔。运行结果1
示例代码2
在OpenCV中，你可以使用C++编写一个简单的程序来构建拉普拉斯金字塔。下面是一个基本的示例，展示如何构建拉普拉斯金字塔，并且显示每层的结果。
#include "pch.h"#include <opencv2/opencv.hpp>
#include <iostream>using namespace cv;
using namespace std;int main(int argc, char** argv)
{// 读取图像Mat img = imread("78.jpeg", IMREAD_COLOR);if (img.empty()){cout << "Error: Image cannot be loaded!" << endl;return -1;}int levels = 4; // 定义金字塔层数vector<Mat> pyr(levels);// 创建高斯金字塔pyr[0] = img;for (int i = 1; i < levels; ++i){pyrDown(pyr[i - 1], pyr[i]);}// 创建拉普拉斯金字塔vector<Mat> lap_pyr(levels);for (int i = 0; i < levels - 1; ++i){Mat up;pyrUp(pyr[i + 1], up, pyr[i].size());lap_pyr[i] = pyr[i] - up;}// 最后一层不需要上采样lap_pyr[levels - 1] = pyr[levels - 1];// 显示每一层for (int i = 0; i < levels; ++i){namedWindow("Level " + to_string(i), WINDOW_NORMAL);imshow("Level " + to_string(i), lap_pyr[i]);}waitKey(0); // 等待按键退出return 0;
}说明：
读取图像：首先读取一个图像文件，并检查是否成功加载。
创建高斯金字塔：使用pyrDown函数逐层创建高斯金字塔。
创建拉普拉斯金字塔：通过上采样高斯金字塔的每一层，并从它的上一层减去，从而创建拉普拉斯金字塔。
显示图像：使用imshow函数显示拉普拉斯金字塔的每一层。
请确保替换 "path/to/your/image.jpg" 为你的图像文件的实际路径。此外，确保你的环境中已经正确安装了OpenCV，并且包含了必要的头文件和链接库。这个例子简单地展示了如何创建拉普拉斯金字塔，但在实际应用中，你可能还需要处理更多细节，例如边界条件、不同数据类型的处理等。
运行结果2
实验代码3
#include "pch.h"
#include <iostream>
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <stdlib.h>
#include <stdio.h>
#include <opencv2/imgproc/types_c.h>
#include <opencv2/highgui/highgui_c.h>
using namespace std;
using namespace cv;
//#pragma comment(lib, "opencv_world450d.lib") //引用引入库 //拉普拉斯 边缘计算
void TLaplacian()
{Mat img1, img2, gray_img, edge_img;const char* win1 = "window1";const char* win2 = "window2";const char* win3 = "window3";const char* win4 = "window4";namedWindow(win1, CV_WINDOW_NORMAL);namedWindow(win2, CV_WINDOW_NORMAL);namedWindow(win3, CV_WINDOW_NORMAL);namedWindow(win4, CV_WINDOW_NORMAL);img1 = imread("8.png");if (img1.empty()){cout << "could not found image" << endl;return;}//高斯模糊，去掉噪点GaussianBlur(img1, img2, Size(3, 3), 0, 0);//转为灰度图cvtColor(img2, gray_img, CV_BGR2GRAY);//拉普拉斯Laplacian(gray_img, edge_img, CV_16S, 3);convertScaleAbs(edge_img, edge_img);threshold(edge_img, edge_img, 2, 255, THRESH_OTSU | THRESH_BINARY);imshow(win1, img1);imshow(win2, img2);imshow(win3, gray_img);imshow(win4, edge_img);
}int main()
{TLaplacian();waitKey(0);return 0;
}运行结果3
