图像金字塔

图像金字塔
即：不同尺寸的系列图像组成的集合。因为图像尺寸以2为倍数进行变化，排列起来很像金字塔，因此称为图像金字塔。
不同的尺寸，对应的，就是不同的分辨率。
图像金字塔的应用
图像金字塔是人为构造出来的，针对同一原图像的不同尺度下的图集。可应用于图像分割、尺度不变性（SIFT等）。
图像分割：“关于图像金字塔非常重要的一个应用就是实现图像分割。图像分割的话，先要建立一个图像金字塔，然后在G_i和G_i+1的像素直接依照对应的关系，建立起”父与子“关系。而快速初始分割可以先在金字塔高层的低分辨率图像上完成，然后逐层对分割加以优化” ，参考自毛星云-OpenCV
图像分割，OpenCV提供了多种方法：金字塔分割算法cvPrySegmentation,分水岭分割算法以及均值漂移分割算法pyrMeanShiftFiltering。详见博客1，博客2，博客3。这可以成为一个专题，后续再整理，今天主要说说金字塔。
金字塔的分类
图像金字塔根据生成的原理不同，可以分为高斯金字塔、拉普拉斯金字塔，DOG金字塔。
高斯金字塔：由图像下采样得到，对应OpenCV函数pyrDown。首先对原图像进行高斯卷积处理，模糊原图像，然后去掉 偶数列和偶数行。
OpenCV函数pyrUp：对于下采样得到的图像，增加偶数行和偶数列，并置为0。使用下采样时的高斯核×4，进行卷积处理，得到复原后的原图。pyrDown和pyrUp是高斯金字塔的操作。（严格的说，降采样pyrDown得到高斯金字塔；上采样pyrUp与高斯金字塔没有必然联系，也可以对任意图像进行该操作。）
拉普拉斯金字塔：原图（高斯金字塔中的图）与pyrUp得到的复原图的差值。该金字塔需要根据高斯金字塔得到，具体怎么配合高斯金字塔使用，后续整理。
DOG金字塔：高斯金字塔同一尺寸，根据高斯核中标准差σ的不同，可以形成多个不同模糊程度的图像，相邻两层的差值即构成DOG金字塔。详见博客4。（注意该文章中：S 指每个尺度下需要采集S层的特征点；s是指实际每一尺寸下，需要准备的高斯滤波后图像的数量；）
具体的，这些不同金字塔的作用、特性及优势，以及应用的算法、场景，后续整理。
图像缩放：OpenCV中，可以使用上下采样的方式pyrDown和pyrUp ，也可以使用插值resize。但是resize采用不同的插值参数/方法，得到的效果不同。详见毛星云-OpenCV