基于高斯金字塔的图像多尺度表示系统

资 源 简 介

该项目实现了图像的高斯金字塔分解算法，旨在通过多分辨率表示法提取图像在不同尺度下的特征信息。核心功能包括对原始图像进行递归式的平滑滤波与降采样处理。具体实现方法是，首先使用二维高斯低通滤波器对当前层级的图像进行卷积运算，以消除图像中的高频细节并防止在采样过程中产生频谱混叠；随后，对滤波后的图像执行隔行隔列的采样操作（Downsampling），使图像的宽度和高度均缩小为原始尺寸的一半，面积减小为四分之一。该过程循环往复，直到达到预设的金字塔层数。此功能在计算机视觉领域具有广泛应用场景，包括图像融合、图像压

详 情 说 明

高斯金字塔图像多尺度表示系统

项目介绍

本项目是一个基于MATLAB开发的图像处理系统，专门用于实现高斯金字塔（Gaussian Pyramid）的图像多尺度分解。通过递归地对图像进行平滑滤波和下采样，该系统能够生成一组分辨率逐层递减的图像序列。这种分层表示方法有效地模拟了人类视觉系统的多尺度特征识别过程，是计算机视觉中图像压缩、特征提取、目标检测等高级任务的基础。

功能特性

• 递归式尺度分解：支持从原始分辨率开始，通过预设的层数循环生成多级降采样图像。
• 高频信息预防：在下采样前采用高斯低通滤波，消除图像细节中的高频干扰，有效防止频谱混叠现象。
• 参数灵活配置：允许用户自定义高斯核的标准差、卷积核大小以及金字塔的分解层数。
• 鲁棒的输入处理：系统内置自动检测机制，若指定图像文件不存在，将自动生成棋盘格测试图以保证程序正常运行。
• 多维度结果可视化：提供分层独立的图像显示（带尺寸标注）以及多尺度横向拼接的综合对比展示。

实现逻辑与工作流程

系统运行遵循标准的数字图像处理管线：

1. 环境初始化与数据准备：首先清理工作空间，设置金字塔层数（默认为5层）、高斯核尺寸及标准差。读取输入图像并将其转换为双精度浮点型（Double），将像素值归一化到[0, 1]区间以确保计算精度。
2. 构建核心循环：

- 第0层：直接存储原始图像。 - 后续层级生成：基于前一层图像进行处理。

1. 平滑滤波处理：生成一个二维高斯核。对当前图像应用卷积运算，采取“复制（replicate）”边缘的填充策略以保持边界特征。
2. 下采样操作：通过对滤波后的图像执行隔行隔列的采样（索引跨度为2），使图像的宽度和高度均为前一层的50%，实现空间分辨率的逐级递减。
3. 结果输出：将每一层生成的图像存储在内存数组中，并调用绘图模块进行可视化呈现。

关键函数与算法分析

• 高斯滤波器构建（customGaussianFilter）：根据给定的核大小和标准差，利用网格坐标生成高斯分布矩阵。为了保证图像能量守恒（即滤波后亮度不变），算法会对核系数进行归一化处理，使所有权值之和等于1。
• 金字塔分解引擎（buildGaussianPyramid）：这是系统的核心驱动函数。它封装了平滑与下采样的迭代逻辑，通过递归调用的方式不断压缩图像空间。
• 多尺度拼接算法（createTiledPyramid）：该算法负责创建一个宽度为各层级总和、高度与原图一致的黑色画布。随后根据各层图像的尺寸，计算偏移位置，将从精细到粗糙的所有图像按次序拼接到画布上，以便直观观察图像细节的流失过程。
• 核心计算依赖：利用二维卷积滤波防止混叠。在每层下采样中，图像像素数减少至上一层的25%，这极大地压缩了数据量，同时保留了图像的宏观特征。

使用方法

1. 启动MATLAB软件。
2. 确保程序目录下包含待处理的图像文件，或直接修改程序顶部的路径参数指向您的图片。
3. 根据需求调整金字塔的总层数（numLevels）或高斯平滑的标准差（sigma）。
4. 直接运行脚本，程序将先后弹出两个窗口：第一个显示各层级图像及其具体宽高尺寸；第二个显示所有层级拼接后的连续演变效果。
5. 在命令行窗口可查看到程序处理完成的确认信息。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 工具箱需求：建议安装 Image Processing Toolbox（图像处理工具箱）以支持相关卷积函数。
• 硬件配置：基础办公级及以上配置即可，处理高分辨率图像时建议配备 8GB 以上内存。