1--图像金字塔的原理

图像金字塔常用于图像缩放（resize）和图像分割当中，不同分辨率的图像以金字塔的形状排列。层级越高，图像越小，分辨率越低；层级越低、图像越大、分辨率越高；

图像金字塔是一副图像的多尺度表现，上采样得到尺寸较大的图像，分辨率逐渐提高，下采样得到尺寸较小的图像，分辨率逐渐降低；

2--图像金字塔的用途

① 用于特征点提取，赋予特征点尺度不变性特点：

相同的物体在不同距离下拍摄，在图像上呈现不同尺度的大小。那么在原图中构建图像金字塔，模拟这种不同距离拍摄的现象，由此提取的特征点也具有尺度不变性。

② 用于模板匹配，减少匹配时间，提高效率：

对模板和待匹配图像分别做图像金字塔，先从金字塔尖的图像开始匹配，由于分辨率较小，所以匹配时间较短，接着在此位置基础上，在下一层该位置周围局部区域继续进行匹配，直到最后一层完成匹配。整体思路为course-to-fine。

③ 用于光流跟踪，解决前后两帧相对运动距离过大的问题。

在使用光流法进行图像特征点跟踪时，存在由于两帧图像运动过大，导致两帧图像相同的特征点不能被正确跟踪。为解决此问题可以引入图像金字塔，对两帧图像分别构建金字塔，从塔顶图像开始跟踪（例如原图两特征点相差16个像素，不能被跟踪，塔顶图像缩小8倍，那么塔顶的两帧图像的对应特征点对就相差2个像素，可以被跟踪），确定大概位置后，将该位置做为下一层金字塔图像的初值进行跟踪，直到金字塔最后一层。整体思路也可看做course-to-fine。

3--Opencv API

3-1--拉普拉斯金字塔上采样

cv::pyrUp() 用于拉普拉斯金字塔上采样：

3-2--高斯金字塔下采样

cv::pyrDown() 用于高斯金字塔下采样：

3-3--代码实例

#include <opencv2/opencv.hpp>
# include<cstdio>

int main(int argc, char** argv){
    cv::Mat src;
    src = cv::imread("C:/Users/Liujinfu/Desktop/opencv_bilibili/test1.jpg");
    if (src.empty()){
        printf("could not load image..\n");
        return -1;
    }
    cv::imshow("input", src);

    cv::Mat up_dst, down_dst;
    cv::pyrUp(src, up_dst); // 上采样
    cv::pyrDown(src, down_dst); // 下采样

    cv::imshow("pyrUp", up_dst);
    cv::imshow("pyrDown", down_dst);

    cv::waitKey(0);
    return 0;
}