构建图像金字塔

pyramid_gaussian 函数接收一个图像并生成一系列图像，这些图像按恒定的比例因子缩小。图像金字塔通常用于实现降噪、纹理区分和尺度不变检测等算法。

import numpy as np
import matplotlib.pyplot as plt

from skimage import data
from skimage.transform import pyramid_gaussian


image = data.astronaut()
rows, cols, dim = image.shape
pyramid = tuple(pyramid_gaussian(image, downscale=2, channel_axis=-1))

生成用于可视化的合成图像

为了可视化，我们生成一个合成图像，其行数与源图像相同，但列数为 cols + pyramid[1].shape[1]。然后，我们有空间将所有降采样图像堆叠到原始图像的右侧。

注意：金字塔中所有降采样图像的行数之和有时可能会超过原始图像大小，在 image.shape[0] 不是 2 的幂的情况下。我们根据需要稍微扩展合成图像的行数以解决此问题。当 downscale < 2 时，也需要扩展超出原始图像行数的部分。

# determine the total number of rows and columns for the composite
composite_rows = max(rows, sum(p.shape[0] for p in pyramid[1:]))
composite_cols = cols + pyramid[1].shape[1]
composite_image = np.zeros((composite_rows, composite_cols, 3), dtype=np.double)

# store the original to the left
composite_image[:rows, :cols, :] = pyramid[0]

# stack all downsampled images in a column to the right of the original
i_row = 0
for p in pyramid[1:]:
    n_rows, n_cols = p.shape[:2]
    composite_image[i_row : i_row + n_rows, cols : cols + n_cols] = p
    i_row += n_rows

fig, ax = plt.subplots()
ax.imshow(composite_image)
plt.show()