1.什么是圖像金字塔

圖像金字塔是一種多尺度圖像表示方法，通過對原始圖像進行下采樣（縮小）和上采樣（放大），生成一系列不同分辨率的圖像集合，形似 “金字塔”（底部是高分辨率原始圖像，向上逐漸變為低分辨率圖像）。

2.核心作用

多尺度分析：不同分辨率的圖像適用于檢測不同大小的目標（如大目標在低分辨率圖像中更易識別，小目標需要高分辨率）。

圖像融合：結合不同尺度的圖像信息（如拉普拉斯金字塔可無縫融合兩張圖像的細節）。

降維與壓縮：低分辨率圖像數據量小，便于快速處理和存儲。

特征提取：在多個尺度上提取特征（如 SIFT 特征依賴金字塔實現尺度不變性）。

3.常見的2種操作方法

高斯金字塔，拉普拉斯金字塔

（1）高斯金字塔

是最常見的類型，通過下采樣和上采樣操作生成，核心是高斯模糊（平滑）和降采樣。

下采樣（縮小圖像）：cv2.pyrDown()

上采樣（放大圖像）：cv2.pyrUp()

如代碼示例：

img=cv2.imread('aiye.jpg')
def cv_show(name,img):cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyAllWindows()
cv_show('aiye',img)
print(img.shape)
#高斯金字塔（向下采樣（圖像縮小），向上采樣（圖像放大，矩陣添0））up1=cv2.pyrUp(img)
cv_show('up1',up1)
print(up1.shape)down1=cv2.pyrDown(img)
cv_show('down1',down1)
print(down1.shape)'''
先執行上采樣再執行下采樣，或者先下后上都是無法恢復到原圖的
'''

（2）拉普拉斯金字塔

基于高斯金字塔構建，用于保留圖像下采樣過程中丟失的細節，核心是 “原始圖像與上采樣后的下采樣圖像的差值”。

計算方式：
公式：Li?=Gi??pyrUp(pyrDown(Gi)?)

如代碼示例：

up2=cv2.pyrUp(down1)
'''
img 和 up2 的尺寸不同（一個是 (299,299,3)，另一個是 (300,300,3)），無法進行減法運算（lap=img-up2）,
則先讓兩個圖像的尺寸大小一致了再進行減法。要么改img要么改up2
'''
up2_rs=cv2.resize(up2,(img.shape[1],img.shape[0]))
lap=img-up2_rs
cv_show('lap',lap)
print(lap.shape)