Pirámide de imágenes
Una estructura de datos multirresolución construida mediante el submuestreo progresivo de una imagen, utilizada para lograr invariancia de escala en detección de objetos y coincidencia de plantillas.
Una pirámide de imágenes es una estructura de datos jerárquica que consiste en múltiples copias de la misma imagen a resoluciones progresivamente menores. La base de la pirámide es la imagen original a resolución completa, y cada nivel subsiguiente es una versión reducida del inferior. Esta estructura permite que los algoritmos operen eficientemente a múltiples escalas.
Los dos tipos más comunes son la pirámide gaussiana y la pirámide laplaciana. Una pirámide gaussiana se construye aplicando repetidamente un filtro paso bajo gaussiano seguido de un submuestreo por un factor de 2. El nivel 0 es la imagen original, el nivel 1 tiene la mitad de ancho y alto, y el nivel k tiene resolución 1/2^k de la original. En OpenCV, cv2.pyrDown() realiza un nivel de reducción.
- Pirámide gaussiana: Cada nivel suaviza y submuestrea el anterior. El uso de memoria para toda la pirámide es aproximadamente 4/3 del tamaño de la imagen original
- Pirámide laplaciana: Almacena la diferencia entre niveles gaussianos adyacentes, capturando información de bordes y detalles en cada escala. Ampliamente utilizada en fusión de imágenes y composición sin costuras
- Factor de escala: Aunque un factor de 2 es estándar, intervalos más finos como
2^(1/3)se usan en detectores de características como SIFT para mejor localización de escala
Niveles 0 a 3 de una pirámide gaussiana
cv2.pyrDown()). La pequeña marca de la esquina superior derecha del nivel 0 ya ha desaparecido en el nivel 1, y en el nivel 3 solo sobrevive un píxel. La pirámide laplaciana conserva el detalle perdido en cada paso como la diferencia entre estos niveles adyacentes.Las pirámides de imágenes tienen amplias aplicaciones. En detección de objetos, en lugar de escanear una ventana deslizante a múltiples tamaños, un detector de tamaño fijo se aplica a cada nivel de la pirámide, reduciendo el costo computacional de cuadrático a lineal en el conteo de escalas. En coincidencia de plantillas, una estrategia de grueso a fino reduce las regiones candidatas a baja resolución antes de refinar a resolución completa. Arquitecturas modernas de aprendizaje profundo como Feature Pyramid Networks (FPN) se basan en este concepto para producir mapas de características multiescala para detección precisa a través de tamaños de objetos.