影象金字塔的一個應用是影象融合。例如，在影象縫合中，需要將兩幅圖疊在一起，但是由於連線區域影象畫素的不連續性，整幅圖的效果看起來會很差。這時影象金字塔就可以排上用場了，他可以幫你實現無縫連線。這裡的 一個經典案例就是將兩個水果融合成一個，看看下圖。

可以通過閱讀後邊的更多資源來了解更多關於影象融合，拉普拉斯金字塔的細節。 實現上述效果的步驟如下： 

1. 讀入兩幅影象，蘋果和橘子

2. 構建蘋果和橘子的高斯金字塔（6 層） 

3. 根據高斯金字塔計算拉普拉斯金字塔 

4. 在拉普拉斯的每一層進行影象融合（蘋果的左邊與橘子的右邊融合） 

5. 根據融合後的影象金字塔重建原始影象。 

整個過程的程式碼如下。（為了簡單，每一步都是獨立完成的，這會消耗更多的記憶體，如果願意的話可以對它進行優化）

#coding:utf-8
import cv2
import numpy as np,sys

A = cv2.imread('F:/hand.jpg')
B = cv2.imread('F:/head.jpg')

#對A進行高斯金字塔模糊
G = A.copy()
gpA = [G]
for i in xrange(6):
    G = cv2.pyrDown(gpA[i])
    gpA.append(G)

#對B進行高斯金字塔模糊
G = B.copy()
gpB = [G]
for i in xrange(6):
    G = cv2.pyrDown(gpB[i])
    gpB.append(G)

#對A進行拉普拉斯金字塔模糊
lpA = [gpA[5]]
for i in xrange(5,0,-1):
    size = (gpA[i-1].shape[1], gpA[i-1].shape[0])
    GE = cv2.pyrUp(gpA[i], dstsize=size)
    L = cv2.subtract(gpA[i-1],GE)
    lpA.append(L)

#對B進行拉普拉斯金字塔模糊
lpB = [gpB[5]]
for i in xrange(5,0,-1):
    size = (gpB[i-1].shape[1], gpB[i-1].shape[0])
    GE = cv2.pyrUp(gpB[i], dstsize=size)
    L = cv2.subtract(gpB[i-1],GE)
    lpB.append(L)

#左右每一半的影象都新增到每一層
#生成一個單獨的陣列
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)

ls_ = LS[0]
for i in xrange(1,6):
    size = (LS[i].shape[1], LS[i].shape[0])
    ls_ = cv2.pyrUp(ls_, dstsize=size)
    ls_ = cv2.add(ls_, LS[i])

real = np.hstack((A[:,:cols/2],B[:,cols/2:]))

cv2.imwrite('F:/handhead.jpg',ls_)
cv2.imwrite('F:/handhead1.jpg',real)
 

原影象是：（左是A，右是B）