我们需要了解一个概念：尺度
尺度，顾名思义就是说图像的尺寸和分辨率。在我们进行图像处理的时候，会经常对源图像的尺寸进行放大或者缩小的变换，进而转换为我们指定尺寸的目标图像。在对图像进行放大和缩小的变换的这个过程，我们称为尺度调整。
而图像金字塔则是图像多尺度调整表达的一种重要的方式，图像金字塔方法的原理是：将参加融合的的每幅图像分解为多尺度的金字塔图像序列，将低分辨率的图像在上层，高分辨率的图像在下层，上层图像的大小为前一层图像大小的1/4。层数为0,1,2……N。将所有图像的金字塔在相应层上以一定的规则融合，就可得到合成金字塔，再将该合成金字塔按照金字塔生成的逆过程进行重构，得到融合金字塔。这个总的思路就是一下所有基于金字塔融合的算法过程，不同点就在于分解构造的金字塔不同，每层的融合规则不一样，重构的方法不同而已。
有两种类型的金字塔经常出现在文献和应用当中：
高斯金字塔(Gaussian pyramid): 用来向下采样（主要）
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，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。
高斯金字塔是最基本的图像塔。首先将原图像作为最底层图像G0（高斯金字塔的第0层），利用高斯核（5*5）对其进行卷积，然后对卷积后的图像进行下采样（去除偶数行和列）得到上一层图像G1，将此图像作为输入，重复卷积和下采样操作得到更上一层图像，反复迭代多次，形成一个金字塔形的图像数据结构，即高斯金字塔。
高斯内核
将每一层分别与高斯内核进行卷积得到下一层
import cv2 as cv
#高斯金字塔
def pyramid_demo(image):
level = 5 #设置金字塔的层数为5
temp = image.copy() #拷贝图像
pyramid_images = [] #建立一个空列表
for i in range(level):
dst = cv.pyrDown(temp) #先对图像进行高斯平滑，然后再进行降采样（将图像尺寸行和列方向缩减一半）
pyramid_images.append(dst) #在列表末尾添加新的对象
cv.imshow("pyramid"+str(i), dst)
cv.waitKey(100)
temp = dst.copy()
print(i)
src = cv.imread('1.jpg')
cv.namedWindow('input_image', cv.WINDOW_AUTOSIZE) #设置为WINDOW_NORMAL可以任意缩放
cv.imshow('input_image', src)
pyramid_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
