OpenCV-Python中的图像金字塔:高斯金字塔 & 拉普拉斯金字塔

2026-10-11 08:13:13

引言

图像金字塔（Image Pyramid）是计算机视觉中一种重要的多尺度表示方法，广泛应用于图像融合、目标检测、特征提取等任务。本文将详细讲解高斯金字塔和拉普拉斯金字塔，并提供Python OpenCV示例代码。

1. 什么是图像金字塔？

图像金字塔是将一幅图像按照不同分辨率从大到小（或从小到大）进行多尺度采样而形成的序列图像集合。

类型	功能	特点
高斯金字塔 (Gaussian Pyramid)	多尺度图像	图像逐层模糊、分辨率下降
拉普拉斯金字塔 (Laplacian Pyramid)	图像细节	记录相邻层的差异，保留图像边缘和细节

2. 高斯金字塔 (Gaussian Pyramid)

2.1 原理

高斯金字塔对图像进行高斯滤波，然后下采样，每一层图像分辨率减半，同时细节逐渐模糊。

示意图：

原图 → 层1 → 层2 → 层3 → ...

2.2 OpenCV-Python实现

import cv2读取图像img = cv2.imread('example.jpg')# 构建高斯金字塔G = img.copy()gp = [G]for i in range(3):  # 构建3层    G = cv2.pyrDown(G)    gp.append(G)# 显示结果for i, layer in enumerate(gp):    cv2.imshow(f'Gaussian Level {i}', layer)cv2.waitKey(0)cv2.destroyAllWindows()

小贴士：cv2.pyrDown() 会先模糊再缩小，所以图像边缘不会出现锯齿。

3. 拉普拉斯金字塔 (Laplacian Pyramid)

3.1 原理

拉普拉斯金字塔用于记录图像的细节信息。每一层是高斯金字塔相邻层的差分：

L_l = G_l - expand(G_{l+1})

其中，expand表示上采样操作。

3.2 OpenCV-Python实现

假设 gp 已经是高斯金字塔lp = []for i in range(len(gp)-1, 0, -1):    GE = cv2.pyrUp(gp[i])    L = cv2.subtract(gp[i-1], GE)    lp.append(L)# 显示结果for i, layer in enumerate(lp):    cv2.imshow(f'Laplacian Level {i}', layer)cv2.waitKey(0)cv2.destroyAllWindows()