透视变换必须是四个点对应四个点，还是为了保证方程组的封闭。

参考了冈萨雷斯的数字图像处理第三版，https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_pyramids/py_pyramids.html#pyramids和http://www.cnblogs.com/skyfsm/p/6876732.html。

图像金字塔有两种，一种是高斯金字塔，就是经过高斯滤波的金字塔，还有一种是拉普拉斯金字塔（通过高斯金字塔可以得到）。冈萨雷斯的书里也把高斯金字塔叫做近似金字塔，拉普拉斯金字塔叫做预测残差金字塔。

金字塔的pyrDown函数是先进行高斯滤波，滤波模板是5*5的，然后在删除偶数行和列，这样图像的大小就会变成原来的1/4，高斯滤波的时候边界类型不能选择常数，默认的是BORDER_DEFAULT类型。

看到REFLECT_101这种类型就是没有重复最边上的，也就是a和h。

pyrUp是偶数行列填充0，然后再用一个20*20的高斯核去卷积滤波。可想而知，这样的效果肯定很差了。那么先来试一试。

我们用上面最小的那张来依次放大：

结果和预想的一样，丢失了很多的信息。再来看一看拉普拉斯金字塔：

拉普拉斯金字塔是拿原来的图减去pyrDown后又pyrUp回来的，中间有两次高斯滤波，边缘这些像素值突变的地方会被破坏得比较严重，所以这一减，基本上就把边缘减出来了。效果：

认真看是能看到一些比较白的像素的。为什么叫拉普拉斯金字塔呢，我感觉可能就是比较像拉普拉斯算子作用之后的边缘提取效果。

把预测残差再和pyrUP的结果加一下：

稍微清楚一点，修正了某些细节，但是还是比较模糊。有一点忘了关注了，就是图像的大小，因为每次宽和高都要除以2，如果是奇数怎么办呢：

4次正好到45，那么继续呢？

看来遇到奇数会加一除以2。

那么这个图像金字塔有什么用处呢？

根据数字图像处理，在图像压缩和模式识别里面有用。opencv官方还给了一个例子，是图像融合的。

上面的xrange就是range，不知道为什么多了一个x。它是先产生降级的高斯金字塔，然后再产生拉普拉斯金字塔（它是用来修正细节的）。然后把两张图的拉普拉斯金字塔图进行拼接，这个是获得细节的。注意LS[0]并不是拉普拉斯金字塔的结果，而是高斯金字塔最小图片的拼接结果。然后从这个最小的图片开始往上层pyrUP，每上一层还要加一次细节。我也实际来实验一下。同时注意range出来到底是哪些数。

不过报错了，为什么呢？其实这是因为降级的时候奇数会加一除以2，但是升级的时候不会还原。

所以说图片大小最好是2^n，针对本题，图片大小要是32的倍数。不是没关系，我们在最开始resize。

修改了以上地方，结果：

直接拼接肯定会突兀啊。

怎么说呢，这个还有点唯美的感觉。并且细节还是保留的比较完整的，我一开始想用的是直接拼接，然后均值滤波来消除这个边界的突兀。

但是小的模板消除不了边界的突兀性，这个就没有上面的拼接效果好，上面是比较平滑的过渡，这个很突然，并且细节也被滤波滤很模糊了。

滤波模板更大就会更模糊了。并且边界效果还是没有上面好。看来图像金字塔在图像融合这个地方还是比较成功的。