# -*- coding: utf-8 -*-"""图像金字塔图像金字塔是以多分辨率来解释图像的一种结构。1987年，在一种全新而有效的信号处理与分析方法，即多分辨率理论中，小波首次作为分析基础出现了。多分辨率理论将多种学科的技术有效地统一在一起，如信号处理的子带编码、数字语音识别的积分镜像过滤以及金字塔图像处理。正如其名字所表达的，多分辨率理论与多种分辨率下的信号（或图像）表示和分析有关。其优势很明显，某种分辨率下无法发现的特性在另一种分辨率下将很容易被发现。参考:http://baike.baidu.com/item/%E5%9B%BE%E5%83%8F%E9%87%91%E5%AD%97%E5%A1%94"""import cv2import numpy as np,sysA = cv2.imread('../../../datas/images/apple.jpg')B = cv2.imread('../../../datas/images/pear.jpg')print(A.shape)print(B.shape)# 生成高斯金字塔G = A.copy()gpA = [G]for i in range(5):    G = cv2.pyrDown(G)    gpA.append(G)    print(G.shape)G = B.copy()gpB = [G]for i in range(5):    G = cv2.pyrDown(G)    gpB.append(G)    #print(G.shape)# 产生Laplacian金字塔lpA = [gpA[5]]for i in range(5,0,-1):    print(i)    print(gpA[i].shape)    print(gpA[i - 1].shape)    GE = cv2.pyrUp(gpA[i])    L = cv2.subtract(gpA[i-1],GE)    lpA.append(L)lpB = [gpB[5]]for i in range(5,0,-1):    GE = cv2.pyrUp(gpB[i])    L = cv2.subtract(gpB[i-1],GE)    lpB.append(L)# 合并LS = []for la,lb in zip(lpA,lpB):    rows,cols,dpt = la.shape    ls = np.hstack((la[:,0:cols/2], lb[:,cols/2:]))    LS.append(ls)# 重新构建图像ls_ = LS[0]for i in range(1,6):    ls_ = cv2.pyrUp(ls_)    ls_ = cv2.add(ls_, LS[i])# 连接real = np.hstack((A[:,:cols/2],B[:,cols/2:]))cv2.imshow("LS",ls_)cv2.imshow("Real",real)cv2.waitKey()cv2.destroyAllWindows()