注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

hhfighting的博客

以责人之心责己,以恕己之心恕人

 
 
 

日志

 
 
 
 

“图像金字塔与SIFT中尺度”的理解  

2012-04-13 16:48:12|  分类: 专业知识 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

首先了解一下多尺度的概念。

尺度空间也就是分辨率,就好比我们看一个物体,在不同的距离看到的大小不一样,也就是从不同的尺度空间观察物体。      

如果想要描述现实世界的结构,或者将三维物体映射到二维的图像上去,多尺度表示将会至关重要。多尺度表示的概念很容易理解,举例说明,绘制地图时会有比例尺的概念。世界地图中就只能够显示大洲大洋,以及较大的地域和国家;而一个城市地图,甚至可以详细的显示出每条街道。这里需要强调一点,事物是实实在在的存在的,但是通过图像这个媒介,观察者可以感知到的概念是不同的。

1、图像金字塔:核心是下(降)采样

通过平滑和降采样逐步得到新图像,自下而上采样点数逐步减小,因此分辨率是逐步减低的,而且降低的速度很快,图像变得越来越粗糙。在平滑前进行降采样的目的是为了降采样后的点能够更好的代表原始图像的像素点。

下采样的理解:每四个像素求平均(上层),得到一个新的像素(下层)。《---图像分辨率下降的原因。

2、SIFT中的尺度:

SIFT思想是将原始信号生成一系列新的信号,用新信号去代表原始信号。

尺度在SIFT中的应用:图像像素加上尺度参数进行尺度变换(利用高斯变换对图像做卷积),得到新的特征。这里的尺度参数是连续的。

具体过程就是利用高斯变换对图像做卷积,图像分辨率并没有改变,在所有尺度空间采样点个数是相同的。只是因为高斯处理,图像的细节信息被平滑掉了。(Tips:高斯卷积的作用就是平滑)

  评论这张
 
阅读(799)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017