尺度空间理论是图像处理中的重要概念，它探讨了图像在不同尺度下的表示。通过高斯模糊操作，可以构建尺度空间，其中高斯核是产生多尺度空间的关键。高斯金字塔和DoG（Difference of Gaussian）金字塔是尺度空间的两种表达形式，它们在图像分析和特征检测中起到重要作用。本文详细介绍了高斯模糊、金字塔构建及其区别，并探讨了DoG金字塔的构建过程。
尺度空间理论
自然界中的物体随着观测
尺度不同有不同的表现形态。例如我们形容建筑物用“米”，观测分子、原子等用“纳米”。更形象的例子比如
Google地图，滑动鼠标轮可以改变观测地图的尺度，看到的地图绘制也不同；还有电影中的拉伸镜头等等……
尺度空间中各尺度图像的模糊程度逐渐变大，能够模拟人在距离目标由近到远时目标在视网膜上的形成过程。
尺度越大图像越模糊。
尺度越大图像越模糊。
为什么要讨论尺度空间？
用机器视觉系统分析未知场景时，计算机并不预先知道图像中物体的尺度。我们需要同时考虑图像在多尺度下的描述，获知感兴趣物体的
最佳尺度。另外如果不同的尺度下都有同样的关键点，那么在不同的尺度的输入图像下就都可以检测出来关键点匹配，也就是
尺度不变性。
图像的尺度空间表达就是图像在所有尺度下的描述。
尺度空间表达与金字塔多分辨率表达
高斯模糊
高斯核是唯一可以产生多尺度空间的核（《Scale-space theory: A basic tool for analysing structures at different scales》）。一个图像的尺度空间L(x,y,σ) ,定义为原始图像I(x,y)与一个可变尺度的2维高斯函数G(x,y,σ)卷积运算。
二维空间高斯函数：
尺度空间：
最低0.47元/天 解锁文章
721
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
