当要对一张图像做特征分析的时候，需要先将该图像进行金字塔上采样与降采样，得到不同分辨率的图像，然后在不同的尺度空间上做特征分析
图像金字塔概念 可以应用在图像的融合，重建，特征提取等很多方面
1. 我们在图像处理中常常会调整图像大小，最常见的就是放大(zoom in)和缩小（zoom out），尽管几何变换也可以实现图像放大和缩小，但是这里我们介绍图像金字塔
2. 一个图像金字塔式一系列的图像组成，最底下一张是图像尺寸最大，最上方的图像尺寸最小，从空间上从上向下看就想一个古代的金字塔。
上采样：当前图像分辨率从图像金字塔的低分辨率到高分辨率采样，得到的是一个更高分辨率的图像
降采样：当前图像分辨率从图像金字塔的高分辨率到低分辨率采样，得到的是一个更低分辨率的图像
高斯金子塔 – 用来对图像进行降采样
高斯金子塔是从底向上，逐层降采样得到。
降采样之后图像大小是原图像MxN的M/2 x N/2 ,就是对原图像删除偶数行与列，即得到降采样之后上一层的图片。
高斯金子塔的生成过程分为两步：
- 对当前层进行高斯模糊
- 删除当前层的偶数行与列
即可得到上一层的图像，这样上一层跟下一层相比，都只有它的1/4大小。
拉普拉斯金字塔 – 用来重建一张图片根据它的上层降采样图片(上采样)。与降采样类似，是按两倍生成一层级图像
高斯不同(Difference of Gaussian-DOG) (高斯分差) 高斯不同是图像的内在特征，在灰度图像增强、角点检测中经常用到。
定义：就是把同一张图像在不同的参数下做高斯模糊之后的结果相减，得到的输出图像。称为高斯不同(DOG) 对应的还有拉普拉斯不同
代码
#include "../common/common.hpp"
void main(int argc, char** argv)
{
Mat src, dst1, dst2, gray, g1, g2, dogImg, g3, dogImg2, dogImg3;
src = imread(getCVImagesPath("images/cat.jpg"), IMREAD_COLOR);
imshow("src", src);
pyrUp(src, dst1, Size(src.cols * 2, src.rows * 2));//上采样，生成的图像是原图在宽与高各放大两倍
imshow("pyrUp", dst1);
pyrDown(src, dst2, Size(src.cols / 2, src.rows / 2));//降采样，生成的图像是原图在宽与高各缩小1/2
imshow("pyrDown", dst2);
//高斯不同
cvtColor(src, gray, COLOR_BGR2GRAY);
GaussianBlur(gray, g1, Size(3, 3), 0, 0);
GaussianBlur(g1, g2, Size(3, 3), 0, 0);//方式一
subtract(g1, g2, dogImg, Mat());//获取 DOG ，应该要低的g1减高的g2
//将灰度图的0-255空间，转换到0-1空间(二值空间)，让原本淡淡的图像变得清楚了
normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);//参数：255最大值，0最小值，NORM_MINMAX 最大最小化
imshow("dogImg", dogImg);//能看到淡淡的猫的眼睛的轮廓
GaussianBlur(gray, g3, Size(5, 5), 0, 0);
subtract(g1, g3, dogImg2, Mat());//方式二
normalize(dogImg2, dogImg2, 255, 0, NORM_MINMAX);
imshow("dogImg2", dogImg2);//也能看到淡淡的猫的眼睛的轮廓
subtract(g2, g1, dogImg3, Mat());//高减低的
normalize(dogImg3, dogImg3, 255, 0, NORM_MINMAX);
imshow("dogImg3", dogImg3);
waitKey(0);
}
