SIFT描述子理论中为什么要讨论尺度空间理论？？

        要知道什么是尺度空间，scale space。
        不同大小的物体有着不同的尺度，这个scale的表示，可以用放大缩小表示，可以用高斯blur来模拟。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了。这就是尺度不变性。

        当然，也可以这样理解，拿配准举例，输入需要配准的两幅图像，可以看成是不同尺度下拍摄的图像，这时就需要寻找两幅图像在同一尺度下的特征点，从而促使我们在尺度空间中去寻找两幅图像的同一尺度，也就是高斯尺度金字塔。

关键字：高斯尺度金字塔

打个比方，人近视眼就是一个高斯blur，blur的越大说明尺度越大。
SIFT通过不同sigma的高斯blur参数，模拟出了不同尺度的特征。
然后用DOG图像求的关键点。
高斯金字塔的每一层都不一样，每一组都不一样。
所以模拟出来不同的尺度情况，这样你有需要检测的图像的尺度就和模拟出来的大体对上了。
所以不同尺度的都能检测，所以尺度不变性。