图像金字塔与融合：多尺度视觉解析的艺术-平芜编程栈

想象一下，你站在一幅巨大的壁画前，想要研究它的整体构图和最精妙的笔触细节。你会怎么做？你会先退后几步，观察全局布局，然后再走近端详局部细节。计算机视觉系统面临类似的挑战：它无法预先知道图像中物体的尺度。

核心矛盾：一个在近距离（高分辨率）下清晰可见的特征（如眼睛），在远距离（低分辨率）下可能只是一个模糊的小点。如果只在一个尺度下分析图像，可能会漏掉不同尺度的信息。
解决方案：图像金字塔。它的核心思想是构建一系列不同分辨率的图像集合，自下而上，图像尺寸越小，分辨率越低，宛如一座金字塔。这为后续处理提供了多尺度的“舞台”。

理解了“为什么”之后，我们来看“是什么”。这座金字塔主要由两种“砖石”构成：高斯金字塔和拉普拉斯金字塔。

高斯金字塔是金字塔的主体结构，其核心任务是进行下采样（缩小图像），并最大限度地减少信息损失和伪影。

第一性原理之“平滑”：直接对图像进行下采样（如隔点取样）会产生混叠效应（Aliasing），因为高频信号在采样后会被误读为低频信号，造成失真。根据信号处理理论，必须在采样前进行低通滤波，滤除高于目标采样频率的成分。
为什么选择高斯核？ 在众多低通滤波器中，高斯核具有独特的优越性：
- 旋转对称性：在各个方向上的平滑程度相同，不会引入方向偏好。
- 可分离性：一个二维高斯卷积可以分解为两个一维高斯卷积的连续操作，极大降低了计算复杂度。
- 平滑程度可控：平滑程度由参数 σ（标准差）精确控制，σ 越大，图像越模糊。
二维高斯函数的数学表达式为 G(x,y)=2πσ21e−2σ2x2+y2。在实际离散计算中，会使用一个归一化的高斯模板（如 5x5 窗口）与图像进行卷积。

高斯金字塔的构建是一个迭代过程：

第 0 层 (G₀)：原始图像。
生成第 i+1 层 (G ᵢ ₊₁)：
- 高斯平滑：用高斯核对当前层 G ᵢ进行卷积，实现低通滤波。
- 下采样：剔除所有偶数行和偶数列。于是，新图像 G ᵢ ₊₁ 的宽和高均变为 G ᵢ的一半，总面积变为 1/4。

这个过程不断重复，直至达到预设的层数。每一层都是对上一层信息的一次有损压缩，保留的是该尺度下的低频概貌信息。

下表清晰地展示了高斯金字塔的构建过程与结果：

金字塔层级	操作过程	图像信息变化	主要作用
底层 (G₀)	原始图像	包含全部信息，分辨率最高	作为金字塔的基准，保留最完整的细节
中间层 (G₁, G₂, …)	对上一层进行高斯平滑 + 下采样	尺寸逐层减半，细节逐渐丢失，越来越模糊	提供图像的中间尺度表示，用于多尺度特征分析
顶层 (G_N_)	经过多次平滑和下采样	尺寸最小，只保留最概略的信息	代表图像最大尺度的全局特征

如果说高斯金字塔是主体结构，那么拉普拉斯金字塔就是灵魂所在。它源于一个关键观察：高斯金字塔的构建过程是不可逆的。

第一性原理之“残差”：对高斯金字塔的某一层 G ᵢ进行下采样得到 G ᵢ ₊₁，再对 G ᵢ ₊₁ 进行上采样（放大）得到PyrUp(Gᵢ₊₁)，这个重建的图像会比原始 G ᵢ更模糊，因为下采样时丢失了高频细节。
拉普拉斯金字塔的定义：它记录的就是这个**差异（残差）**，即丢失的细节信息：
Lᵢ = Gᵢ - PyrUp(Gᵢ₊₁)
这里，Lᵢ就是拉普拉斯金字塔的第 i 层。

从信号处理角度看，拉普拉斯金字塔存储的是高频细节，或者说带通滤波后的结果。它就像是高斯金字塔每一层的“细节补充包”。

构建：拉普拉斯金字塔的构建依赖于高斯金字塔。从高斯金字塔的底层到顶层，逐层计算残差。
完美重建：拉普拉斯金字塔最精妙的性质在于，利用它和高斯金字塔的顶层，可以完美重建原始图像：
Gᵢ = PyrUp(Gᵢ₊₁) + Lᵢ
这个重构过程从金字塔顶层开始，逐层向上，不断添加细节，最终精确恢复到原始图像 G₀。

下表对比了两种金字塔的核心特性：

现在，我们回到顶层目标，看看这两座金字塔如何协同工作，实现“无缝的图像拼接”。

问题：直接将两幅图重叠部分简单叠加，会产生明显的接缝，因为它们的亮度、颜色过渡不自然。
金字塔解决方案：
- 分解：对待拼接的两幅图像，分别构建它们的高斯金字塔和拉普拉斯金字塔。
- 融合：在拉普拉斯金字塔的每一层上，对两幅图像的对应层进行融合。例如，在重叠区域使用加权平均。关键在于：低频信息（高斯金字塔高层）决定大致的颜色和亮度分布，高频信息（拉普拉斯金字塔）决定细节和纹理。
- 重建：将融合后的拉普拉斯金字塔，按照Gᵢ = PyrUp(Gᵢ₊₁) + Fused_Lᵢ的公式，从顶层开始重建，最终得到无缝的拼接结果。