图像金字塔是一种图像处理技术，它通过不断降低图像的分辨率，形成一系列图像。金字塔分为两种类型：高斯金字塔和拉普拉斯金字塔。

1. 高斯金字塔（Gaussian Pyramid）：

高斯金字塔是通过使用高斯滤波和降采样（缩小）操作构建的。每一层的图像都是前一层图像的一部分。在OpenCV中，可以使用cv2.pyrDown() 和 cv2.pyrUp() 函数构建高斯金字塔。

• cv2.pyrDown(src[, dst[, dstsize[, borderType]]]): 通过高斯内核进行降采样，缩小图像。
• cv2.pyrUp(src[, dst[, dstsize[, borderType]]]): 通过插值进行升采样，放大图像。

示例代码：

import cv2

# 读取图像
img = cv2.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")

# 构建高斯金字塔
layer = img.copy()
gaussian_pyramid = [layer]

for i in range(6):
    layer = cv2.pyrDown(layer)
    gaussian_pyramid.append(layer)

# 显示原始图像和金字塔图像
cv2.imshow('Original Image', img)

for i in range(6):
    cv2.imshow(f'Layer {i+1}', gaussian_pyramid[i])

# 等待用户按下任意键
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 拉普拉斯金字塔（Laplacian Pyramid）：

拉普拉斯金字塔是由高斯金字塔构建而来的，每一层都是其高斯金字塔层与其扩展（上采样）版本的差。在OpenCV中，可以使用cv2.subtract() 函数构建拉普拉斯金字塔。

示例代码：

 
import cv2

# 读取图像
img = cv2.imread(r"C:\Users\mzd\Desktop\opencv\images.jpg")
# 构建高斯金字塔
layer = img.copy()
gaussian_pyramid = [layer]

for i in range(6):
    layer = cv2.pyrDown(layer)
    gaussian_pyramid.append(layer)

# 构建拉普拉斯金字塔
laplacian_pyramid = [gaussian_pyramid[5]]

for i in range(5, 0, -1):
    gaussian_expanded = cv2.pyrUp(gaussian_pyramid[i])

    # Ensure the sizes match before subtraction
    if gaussian_pyramid[i-1].shape[:2] == gaussian_expanded.shape[:2]:
        laplacian = cv2.subtract(gaussian_pyramid[i-1], gaussian_expanded)
        laplacian_pyramid.append(laplacian)
    else:
        print(f"Size mismatch in level {i}.")
        break

# 显示原始图像、高斯金字塔和拉普拉斯金字塔
cv2.imshow('Original Image', img)

for i in range(min(6, len(laplacian_pyramid))):  # Ensure loop doesn't go out of range
    cv2.imshow(f'Laplacian Layer {i}', laplacian_pyramid[i])

# 等待用户按下任意键
cv2.waitKey(0)
cv2.destroyAllWindows()

这里构建了一个6层的高斯金字塔，然后使用高斯金字塔构建拉普拉斯金字塔。拉普拉斯金字塔的每一层都包含了对应层高斯金字塔的细节信息。金字塔的构建在图像处理中常用于图像融合、图像金字塔匹配等应用。