文档说明：本文档整理了 OpenCV 图像金字塔的核心原理、API 详解及实战代码。内容涵盖高斯金字塔、拉普拉斯金字塔、图像融合等经典应用，适合计算机视觉初学者及进阶开发者参考。📖 目录图像金字塔概述高斯金字塔拉普拉斯金字塔实战案例常见问题与注意事项完整代码汇总1. 图像金字塔概述1.1 什么是图像金字塔图像金字塔是一种多尺度图像表示方法。它将原始图像通过逐级下采样，生成一系列分辨率递减的子图像，这些子图像堆叠在一起，形似金字塔结构。1.2 为什么需要图像金字塔多尺度分析：同一物体在不同分辨率下呈现不同特征，金字塔能捕捉多尺度信息。加速计算：在低分辨率图像上进行搜索/匹配，再在高分辨率上精修，大幅降低计算量。图像融合：拉普拉斯金字塔是实现无缝图像融合（如全景拼接）的核心工具。特征检测：SIFT、SURF 等经典特征检测算法均基于图像金字塔构建。1.3 金字塔类型对比类型用途构建方式可逆性高斯金字塔下采样、多尺度表示高斯模糊 + 降采样❌ 不可逆（信息丢失）拉普拉斯金字塔图像重建、图像融合高斯金字塔残差✅ 可逆（无损重建）2. 高斯金字塔2.1 核心原理高斯金字塔的构建包含两个步骤：高斯模糊：用高斯核（通常 5×5）对图像进行卷积，抑制高频噪声，避免降采样时产生混叠（aliasing）。降采样：去除偶数行和偶数列，图像尺寸缩小为原来的1/4（宽高各减半）。⚠️关键点：必须先模糊再降采样。直接降采样会导致严重的混叠伪影。2.2 OpenCV APIcv2.pyrDown()和cv2.pyrUp()是构建图像金字塔的核心函数。它们不仅接受输入图像，还支持指定输出尺寸和边界处理方式。importcv2importnumpyasnp# 1. 读取图像# 注意：图像尺寸最好是 2 的整数次幂（如 512x512），否则下采样时可能因尺寸不匹配而报错src=cv2.imread('input.jpg')ifsrcisNone:raiseFileNotFoundError("无法读取图像，请检查路径")# 2. 下采样 (pyrDown)# 核心原理：先进行高斯模糊，再移除偶数行/列，图像宽高各减半lower=cv2.pyrDown(src,dstsize=None,# 输出尺寸，默认为 (src.cols+1)/2, (src.rows+1)/2borderType=cv2.BORDER_DEFAULT# 边界填充方式，默认为 BORDER_DEFAULT)# 3. 上采样 (pyrUp)# 核心原理：先插入全零行/列，再进行高斯模糊，图像宽高各扩大一倍upper=cv2.pyrUp(src,dstsize=None,# 输出尺寸，默认为 src.cols*2, src.rows*2borderType=cv2.BORDER_DEFAULT# 边界填充方式)# 4. 验证尺寸变化print(f"原始图像尺寸:{src.shape}")print(f"下采样后尺寸:{lower.shape}")print(f"上采样后尺寸:{upper.shape}")# 5. 显示结果 (可选)cv2.imshow('Original',src)cv2.imshow('pyrDown',lower)cv2.imshow('pyrUp',upper)cv2.waitKey(0)cv2.destroyAllWindows()💡 关键参数与注意事项参数说明默认值/推荐值src输入图像必需dstsize输出图像尺寸None(自动计算)borderType边界填充方式cv2.BORDER_DEFAULT⚠️ 重要提醒尺寸约束：pyrDown的输出尺寸必须满足|dstsize.width * 2 - src.cols| ≤ 2且|dstsize.height * 2 - src.rows| ≤ 2。如果手动指定dstsize，请务必遵守此规则。信息丢失：pyrDown是有损操作，下采样后高频细节会永久丢失。直接对下采样结果使用pyrUp无法恢复原始图像。数据类型：如果后续需要计算拉普拉斯金字塔（涉及图像相减），建议先将图像转换为float64类型，避免uint8的负值截断问题。3 拉普拉斯金字塔拉普拉斯金字塔用于提取图像的高频细节信息，常用于图像融合和压缩。其计算公式为L i = G i − pyrUp ( G i + 1 ) L_i = G_i - \text{pyrUp}(G_{i+1})Li​=Gi​−pyrUp(Gi+1​)。importcv2importnumpyasnp# 1. 读取图像src=cv2