概念
将图像组合成金字塔的形状（底下大，上面小）
使用场景：特征提取
方法分为
- 高斯金字塔
- 拉普拉斯金字塔
一、高斯金字塔
1、向下采样法（缩小）
越采样越少，down sample，|是一个缩小操作；
- 将 (G_i) 与高斯内核卷积
- 将所有偶数行和列去除
$ frac{1}{16} * left[ egin{matrix} 1 & 4 & 6 & 4 & 1 4 & 16 & 24 & 16 & 4 6 & 24 & 36 & 24 & 6 4 & 16 & 24 & 16 & 4 1 & 4 & 6 & 4 & 1 end{matrix} ight] $
2、向上采样法（放大）
- 将图像在每个方向上 扩大为原来的两倍；新增的行列以 0 填充；
- 使用先前同样的内核（乘以4）与放大后的图像卷积获得近似值
$ left[ egin{matrix} 10 & 30 56 & 96 end{matrix} ight] ightarrow left[ egin{matrix} 10 & 0 & 30 & 0 0 & 0 & 0 & 0 56 & 0 & 96 & 0 0 & 0 & 0 & 0 end{matrix} ight] $
3、实现
import cv2
import numpy as np
import matplotlib.pyplot as plt
lena = cv2.imread('lena.jpg')
lena.shape # (263, 263, 3)
# 上采样
up = cv2.pyrUp(lena)
up.shape # (526, 526, 3)
# 下采样
down = cv2.pyrDown(lena)
down.shape # (132, 132, 3)
plt.imshow(up)
plt.imshow(down)
# 上采样后下采样，和原图大小一样，但有损失
up = cv2.pyrUp(lena)
up_down = cv2.pyrDown(up)
up_down.shape # (263, 263, 3)
plt.imshow(np.hstack((lena, up_down)))
二、拉普拉斯金字塔
$ L_i = G_i - PyrUp(PyrDown(G_i)) $
down = cv2.pyrDown(lena)
down_up = cv2.pyrUp(down, dstsize=(263,263))
l1 = lena - down_up
plt.imshow(l1)
