OpenCV-DoG

首先，高斯函数表示定义为：
$$G_{{\sigma }_1}(x,y)=\frac{1}{\sqrt{2\pi {\sigma }_1^2}}\exp \left(-\frac{x^2+y^2}{2{\sigma }_1^2}\right)$$其次，两幅图像的高斯滤波表示为：
$$\begin{array}{l}{g}_1(x,y)=G_{{\sigma }_1}(x,y)\ast f(x,y)\\ g_2(x,y)=G_{{\sigma }_2}(x,y)\ast f(x,y)\end{array}$$最后，将上面滤波得到的两幅图像 $g_1$ 与 $g_2$ 相减得到：
$$g_1(x,y)-g_2(x,y)=G_{{\sigma }_1}\ast f(x,y)-G_{{\sigma }_2}\ast f(x,y)=\left(G_{{\sigma }_1}-G_{{\sigma }_2}\right)\ast f(x,y)=DoG\ast f(x,y)$$即，DoG 表达式为：
$$DoG\triangleq G_{{\sigma }_1}-G_{{\sigma }_2}=\frac{1}{\sqrt{2\pi }}\left(\frac{1}{{\sigma }_1}{e}^{-\left(x^2+y^2\right)/2{\sigma }_1^2}-\frac{1}{{\sigma }_2}{e}^{-\left(x^2+y^2\right)/2{\sigma }_2^2}\right)$$具体图像处理中，就是将两幅图像在不同参数下的高斯滤波结果相减，得到 DoG 图：

1. 求出不同参数下的高斯滤波输出并求出其 DoG 图像，如下图所示：
   在 SIFT 的同一组中，每一层图像的尺寸都是一样的，但是平滑系数不一样。平滑系数分别为：0, $\sigma$, $k\sigma$, $k^2\sigma$, … …

3. 根据 DoG，求角点：三维图中的最大值和最小值的点是角点，如图所示：
   标记的红色为当前像素点，黄色的圈标记邻接像素点。用这个方式最多检测相邻尺度的 26 个像素点。如果它是所有邻接像素点的最大值或最小值点，则标记红色被标记为特征点，如此依次进行，则可以完成图像的特征点提取。
   
   我们可以计算出第一步中三个 DoG 图像中的极值点，如下图所示：
   黑色为极小值；白色为极大值。
   
   因此，原始图像上以显示的 DoG 角点检测结果，如下图所示：
   
   

OpenCV 代码帮助理解：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;

int main(int argc, char** argv) {
	Mat src, dst;
	src = imread("2.jpg");
	if (!src.data) {
		printf("could not load image...\n");
		return -1;
	}
    //创建显示窗口
	char INPUT_WIN[] = "input image";
	char OUTPUT_WIN[] = "result image";
	namedWindow(INPUT_WIN, CV_WINDOW_AUTOSIZE);
	imshow(INPUT_WIN, src);
	
	//上采样
	/*pyrUp(src, dst, Size(src.cols*2, src.rows*2));
	imshow(OUTPUT_WIN, dst);*/

	//降采样
	Mat s_down;
	pyrDown(src,s_down, Size(src.cols/2, src.rows/2));
	imshow("sample_down", s_down);

	//DOG----高斯不同
	Mat gray_src, g1, g2, dogImg;
	cvtColor(s_down, gray_src, CV_BGR2GRAY);
    //两次高斯模糊
	GaussianBlur(gray_src, g1, Size(3,3), 0.6, 0);
	GaussianBlur(gray_src, g2, Size(3,3), 1.2, 0);
	subtract(g1, g2, dogImg, Mat());   //差分图的灰度值比较小，图比较暗。

	//归一化显示
	normalize(dogImg, dogImg, 255, 0, NORM_MINMAX);  //归一化，放到0-255显示。
	imshow("DOG_img", dogImg);

	waitKey(0);
	return 0;
}