opencv 图像金字塔

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
图像金字塔有两种：高斯金字塔和拉普拉斯金字塔。
高斯金字塔用于下采样，从下到上，逐层降采样。
高斯金字塔（下采样）实现需两步：
（1）对当前层进行高斯模糊
（2）删除当前层的偶数行和偶数列。
下采样会使得图片质量下降，就是图片缩小，使用PryDown函数。
上采样使用PryUp函数
上、下采样都存在一个严重的问题，那就是图像变模糊了，因为缩放的过程中发生了信息丢失的问题。

高斯不同（Difference of Gaussian–DOG)
同一图像在不同参数下做奥斯模糊后的结果相减。通常在灰度图像增强和角点检测中应用。
以下实例中，做了高斯不同之后，看得不太清楚，因此又做了一个归一化。

#include<opencv2/opencv.hpp>
#include<iostream>

using namespace std;
using namespace cv;

int main(int argc,char** argv) {
	Mat src, dst;
	src = imread("d:/02.png");
	if (src.empty()) {
		cout << "not load..." << endl;
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	namedWindow("output", WINDOW_AUTOSIZE);
	imshow("input", src);
	//pyrUp(src, dst, Size(src.cols * 2, src.rows * 2));//上采样
	pyrDown(src, dst, Size(src.cols / 2, src.rows / 2));//下采样
	imshow("output", dst);

	//高斯模糊,高斯不同DOG
	Mat gray_src, m1, m2,dogimg;
	cvtColor(src, gray_src, CV_BGR2GRAY);
	GaussianBlur(gray_src, m1, Size(3, 3), 0, 0);//高斯模糊
	GaussianBlur(m1, m2, Size(3, 3), 0, 0);//再次高斯模糊
	subtract(m1, m2, dogimg, Mat());//两幅图相减
	normalize(dogimg, dogimg, 255, 0, NORM_MINMAX);//归一化
	imshow("dog", dogimg);


	waitKey(0);
	return 0;
}