图像金字塔（image pyramid），一般有两种：高斯金字塔、拉普拉斯金字塔
———————————————————————————————
先介绍下里面的一些操作：
下采样：相当于对图像进行一个像素的抽取，比如可以每两个像素中拿一个像素，行列都是如此，就产生了一幅新图像。（丢失了一定的信息）
上采样：相当于对一个图像进行放大，放大后需要对一些新的像素做填充，可以使用各种插值方法。（在我们做图像识别过程中，需要对图像进行像素级别的分类，因此在卷积提取特征后需要通过上采样将feature map 还原到原图中。）
Reduce过程：用高斯函数对图像进行滤波（低通滤波），得到一个模糊的图像。对模糊的图像进行下采样（图像宽高变为原来的一半），那么就得到了金字塔的一层图像。重复，就可以依次得到一组图像，这就是金字塔的建立过程。
Expand过程：是Reduce的反过程，对于Reduce得到的结果进行上采样（新像素补0，而不是插值），再进行高斯滤波，就是一次Expand。（注意：本次的高斯滤波核的值的总和为4，而不是1，因为上采样过程中图像变成原来的四倍（长2×宽2）。如果不想进行插值操作使得多出来的像素都为0，且保留卷积核为1，图像会变暗）
（tips：在这么一个扩大四倍补0，并且高斯滤波之后，其实新的像素上不再是0了，相当于通过高斯滤波对新的位置的像素值进行了一个估计。）
———————————————————————————————
高斯金字塔（Gaussian pyramid）
下图为高斯金字塔的示意图，金字塔的底层为原始图像，每向上一层则是通过高斯滤波和1/2采样得到，即Reduce过程。
———————————————————————————————
拉普拉斯金字塔（Laplacian pyramid）
在高斯金字塔的运算当中，我们进行了高斯滤波与向下采样，这样丢失了很多高频分量，而拉普拉斯金字塔可以保存这些高频信号。
用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像，得到一系列的差值图像即为 LP 分解图像。例如，在拉普拉斯金字塔的底层，是原始图像以及原始图像下采样后再上采样（插值）的图像之差。
