SIFT中尺度的概念

        好久没有碰sift了，对于尺度空间也忘得差不多，重新温习了一下，想到哪写到哪

        尺度空间是SIFT非常重要的概念，SIFT的特点也就在于特征的尺度的连续性，当然这个连续性是打引号的，它还是离散的，但是比起图像金字塔这种相邻尺度比例为2的来说，它要连续得多，至于有多连续，就看你自己在每个octave中设置多少个level了，不妨设构建的高斯金字塔有o个octave，每个octave有S个level，每一层第一幅的尺度为delta0，有

        

         这样每个层与层之间的scale相对就连续了一些，相邻两个octave的同一层之间的尺度为两倍关系。

         下一个octave的第一幅图像是由前一个octave的倒数第二幅图像降采样而来的，这样保持了尺度的一致性，说得更明白一点，设当前octave的第一幅图像的尺度是delta，那么当前octave的最后一幅图像和下一个octave的第一幅图像的尺度都是2*delta。

         这里的尺度是通过高斯模糊实现的，由于对一幅图像进行多次连续高斯模糊的效果与一次更大的高斯模糊可以产生同样的效果，大的高斯模糊的半径是所用多个高斯模糊半径平方和的平方根，所以我们认为，高斯模糊的效果是可以累加的。