基于拉普拉斯金字塔的图像混合算法输出异常，求排查问题

从你的代码和描述来看，核心逻辑是符合拉普拉斯金字塔图像混合原理的，但效果异常大概率是因为mask高斯金字塔与图像拉普拉斯金字塔的构建参数不匹配，具体可以从以下几个关键点排查：

1. 滤波器尺寸不一致（最可能的原因） #

你在构建图像拉普拉斯金字塔时用了filter_size_im，但构建mask高斯金字塔时用了filter_size_mask。拉普拉斯金字塔的每一层都依赖于高斯金字塔的模糊、下采样操作，如果mask的高斯金字塔使用不同的滤波器尺寸，会导致：

• mask的模糊程度与图像金字塔的模糊程度不匹配
• 下采样后的层级尺寸可能出现细微偏移
  最终混合时，mask的过渡区域和图像的拉普拉斯层细节无法对齐，就会出现你看到的边缘异常。

修正方案 #

将mask高斯金字塔的滤波器尺寸改为和图像一致：

mask = mask.astype(np.float64)
pyr_im1, filter_vec = build_laplacian_pyramid(im1, max_levels, filter_size_im)
pyr_im2 = build_laplacian_pyramid(im2, max_levels, filter_size_im)[0]
# 关键：使用和图像相同的滤波器尺寸构建mask金字塔
pyr_mask = build_gaussian_pyramid(mask, max_levels, filter_size_im)[0]

# 先验证所有金字塔的层级数是否一致（避免隐性bug）
assert len(pyr_im1) == len(pyr_im2) == len(pyr_mask), "Pyramid level count mismatch!"

# 构建混合拉普拉斯金字塔
l_out = [np.multiply(pyr_mask[k], pyr_im1[k]) + np.multiply(1 - pyr_mask[k], pyr_im2[k]) for k in range(len(pyr_im1))]
im_blend = laplacian_to_image(l_out, filter_vec, [1] * len(l_out))
im_blend = np.clip(im_blend, 0, 1)
return im_blend

2. 金字塔层级数不匹配 #

虽然你都用了max_levels参数，但需要确认build_laplacian_pyramid和build_gaussian_pyramid对这个参数的定义是否一致：

• 有些实现中，拉普拉斯金字塔的层数是max_levels（包含顶层的高斯层）
• 而高斯金字塔的层数可能是max_levels + 1
  如果两者层级数不同，循环混合时就会出现层级错位，导致部分区域混合错误。

可以通过打印len(pyr_im1)、len(pyr_im2)、len(pyr_mask)来验证，确保三者数值完全相同。

3. mask与输入图像尺寸不一致 #

如果mask的宽高和im1、im2不匹配，那么各自的金字塔层级尺寸也会不匹配，混合时会出现区域错位。请确认mask.shape[:2] == im1.shape[:2] == im2.shape[:2]。

补充说明 #

拉普拉斯金字塔混合的核心是让mask的模糊过渡区域与图像的多尺度细节对齐，所以所有涉及金字塔构建的参数（滤波器尺寸、层级数、下采样规则）都需要保持一致，这样才能实现平滑的混合效果。

内容的提问来源于stack exchange，提问作者Eli Yacobov