我正在开发一个焦点堆叠程序，几年前我写了一个，它使用了一种非常简单的方法，基本上采用了 DoG 方法，但只对单个全分辨率图像进行操作。生成的图像具有柔和的焦点外观，有点梦幻。
这次我进一步研究并找到了描述图像金字塔的论文，除了在多个空间频率上之外，基本上和以前做同样的事情，然后将它们与我认为可以解决软焦点外观的最大分量重新组合。
但是学习基于金字塔的方法让我开始进行尺度空间表示和多分辨率分析，我不知道我是否应该追求其中一种方法以获得更好的结果？（而 MRA 引导我进行小波变换，我也不知道如何实现。）
此外，我真的不明白如何实现焦点堆叠，但我对比例空间的印象是，在实践中我最终还是会建立一个金字塔，但这似乎不对。那么我错过了什么吗？
使用比图像金字塔进行焦点堆叠的更新或更复杂的方法似乎有什么好处吗？
（我上次使用 Python，但这次使用的是 Apple 的 CoreImage 框架，所以我现在可能会受到更多限制，也许 MRA 甚至不是一个选项。）
提前致谢！
您的问题与不同名称的技术有关。第一个与在组合成焦点图像的不同（对齐）焦点位置拍摄的显微照片有关。这种扩展的景深基于复杂的基于小波的方法。
要回答关于 MRA、金字塔等之间差异的第二个问题：大多数用于 2D 图像处理的金字塔和基于小波的方法是基于某些尺度空间离散化的多尺度/多速率//多方向分解的实例（关于这些问题的评论论文是多尺度几何表示的全景图，信号处理，2011）。一般来说，使用尺度空间，您不需要下采样，最终会得到一个堆栈，而不是金字塔。
由于选择了跨尺度、波段或方向的最大系数，我认为复杂的金字塔、复杂的（或双树）小波变换、具有一点冗余和一些移位或旋转不变性可能是有用的，但代价是更痛苦的实施。标准真实 MRA 小波在方向上是有限的，全尺度空间可能相当复杂。
最大系数选择可能是穷人显着性检测，这是基于图像特异性的另一条路径。
更通用的搜索术语是多焦点图像融合、多尺度或多分辨率图像融合，甚至多通道。几个参考：
您还可以在多尺度版本的高动态范围 (HDR) 成像中找到灵感，例如：