SIFT学习--近似LoG

上一节创建了尺度空间，现在我们用模糊处理过的图像来创建另一个图像集合（高斯差分 Difference of Gaussians，DoG）。高斯差分图片可以很好地查找出关键点。

1.  高斯拉普拉斯算子

高斯拉普拉斯算子是这样的，你拿到一个图像，对它进行模糊处理（高斯），然后你计算它每个像素的二阶导数（拉普拉斯），它能很好的表示出边界和角点，因为二阶导数对噪声非常敏感，所以模糊处理可以抚平噪声。但问题是，计算所有二阶导数是对计算是一个沉重的负担，所以我们决定近似的拟合它。

2. DoG

为了更快的产生拉普拉斯图像，我们使用了尺度空间。我们计算两个相邻尺度间的差分，也就是高斯差分（DoG），下图可以很好地说明这一点：

转换成数学公式如下：

DoG实际上是一个尺度归一化的LoG算子的近似

下面是一个运用DoG算子的例子：