关于图像金字塔

引入

一般情况下，我们要处理是一副具有固定分辨率的图像,但是有些情况下，需要对同一图像的不同分辨率的子图像进行处理。比如，我们要在一幅图像中查找某个目标，比如脸，我们不知道目标在图像中的尺寸大小,这种情况下，我们需要创建创建一组图像，这些图像是具有不同分辨率的原始图像。

图像金字塔简介

图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图像集合。其通过梯次向下采样获得，直到达到某个终止条件才停止采样。金字塔的底部是待处理图像的高分辨率表示，而顶部是低分辨率的近似。我们将一层一层的图像比喻成金字塔，层级越高，则图像越小，分辨率越低。

分类

高斯金字塔 ( Gaussian pyramid):

用来向下/降采样，主要的图像金字塔

高斯金字塔的生成过程：   对当前层进行高斯模糊；

                                                删除当前层的偶数行与列。（1/4）

高斯滤波器可以看做一个低通滤波器，那么每经过一次的高斯滤波，图像中仅能够保留某个频率值以下的频率部分，所以高斯金字塔也可以看做一个低通金字塔（每一级只保留某个频率以下的成分）。

高斯不同：（Difference of  Gaussian      DOG）

定义：把同一张图像在不同的的参数下做高斯模糊之后的结果相减，得到的输出图像，称为高斯不同（DOG）

高斯不同是图像的内在特征，在灰度图像增强、角点检测中经常用到。

拉普拉斯金字塔（Laplacian pyramid）

用来从金字塔低层图像重建上层未采样图像，在数字图像处理中也即是预测残差，可以对图像进行最大程度的还原，配合高斯金字塔一起使用。      

在进行高斯金字塔运算时，由于不断的进行高斯滤波和下采样，我们丢失了很多高频信号，而拉普拉斯金字塔的目的就是保存这些高频信号，保存这些高频信号所采用的方式就是保存差分图像。比如，拉普拉斯金字塔的第０层，就是原始图像和原始图像下采样（Reduce）后再次上采样（Expand）的图像的差值。

拉普拉斯金字塔可以看做一个带通滤波器，在每一级都保留了图像某个频率值附近的成分

图像金字塔的应用：

在低尺度下可以看清楚很多细节，在高尺度下可以看到轮廓

1、构造特征时适应尺度变化。尺度空间达到『尺度不变性』。

2、增加特征维度，构造高维特征；

3、在一些边缘检测算法里面，为了忽略比较弱的边，也会利用尺度空间来进行降采样，高斯滤波大部分时候可以被理解成某种去噪/平滑操作，其实也是尺度空间思想。

4、寻找点特征时，有时候希望找到的点在整个尺度空间里都是很强的，不是那种在最开始还是一个比较强的特征点，尺度高了之后这个特征点就消失了。希望只处理那些从始至终都比较坚挺的特征点，那就可以在金字塔的顶层提取特征点，然后只是在下面的层进行局部搜索验证。增强鲁棒性、提升算法运行的速度。
 

参考链接：

https://www.cnblogs.com/ssyfj/p/9273643.html

https://blog.csdn.net/zhu_hongji/article/details/81536820

https://www.jianshu.com/p/e3570a9216a6