1.原理 一般情況下，我們要處理是一副具有固定分辨率的圖像。但是特別情況下我們需要對同一個圖像的不同分辨率的子圖像進行處理，如查找圖像中的某個目標，如人臉，我們不知道目標在圖像中的尺寸大小。這種情況下，我們需要創建一組圖像，這些圖像是具有不同分辨率的原始圖像。我們把這組圖像叫做圖像金字塔。就是同一圖像的不同分辨率的子圖集合。我們把最大的圖像放在底部，最小的放在頂部，看起來就像一座金字塔。 有兩類：高斯金字塔和拉普拉斯金字塔。 1.1高斯金字塔 高斯金字塔的頂部是通過將底部圖像中的連續的行和列去除得到的。頂部圖像中的每個像素值等于下一層圖像中5個像素的高斯加權平均值。這樣操作一次一個MxN的圖像就變成了一個M/2xN/2的圖像。所以這幅圖像的面積就變為原來圖像面積的四分之一。這被稱為Octave。連續這樣的操作，我們就會得到一個分辨率不斷下降的圖像金字塔。可以使用函數cv2.pyrDown()和cv2.pyrUp()構建圖像金字塔。 cv2.pyrDown從一個高分辨率大尺寸的圖像向上構建一個金字塔（尺寸變小，分辨率降低） ~~~ import numpy as np import cv2 img = cv2.imread('1024.jpg') lower_reso = cv2.pyrDown(img) while(1): cv2.imshow('img',img) cv2.imshow('lower_reso',lower_reso) if cv2.waitKey() == ord('q'): break cv2.destroyAllWindows() ~~~ cv2.pyrUp從一個低分辨率小尺寸的圖像向上構建一個金字塔（尺寸變大，但分辨率不會增加） ~~~ import numpy as np import cv2 img = cv2.imread('1024.jpg') lower_reso = cv2.pyrDown(img) higher_reso2 = cv2.pyrUp(img) while(1): cv2.imshow('img',img) cv2.imshow('lower_reso',lower_reso) cv2.imshow('higher_reso2',higher_reso2) if cv2.waitKey() == ord('q'): break cv2.destroyAllWindows() ~~~ 要記住的是higher_reso2和higher_reso 是不同的。因為一旦使用cv2.pyrDown圖像的分辨率就會降低，信息就會被丟失。 1.2.拉普拉斯金字塔 拉普拉斯金字塔可以由高斯金字塔計算得來。公式如下：  拉普拉斯金字塔的圖像看起來就像是邊界圖，其中很多像素都是0，常被用在圖像壓縮中。 2.使用金字塔進行圖像融合 在圖像縫合中，由于連接區域圖像像素的不連續，整幅圖看起來會很差，金字塔就可以實現無縫連接。 經典例子就是水果融合 實現步驟： * 讀入兩幅圖 * 構建各自的高斯金字塔（6層） * 根據高斯金字塔計算拉普拉斯金字塔 * 在拉普拉斯的每一層進行圖像融合 * 根據融合后的圖像金字塔重建原始圖像。 如何重建原始圖像過程  代碼出錯，等解決后放上！