sift学习备注4 ，特征检测，wikipedia中的文章，对sift，surf等都有解释，

特征检测 wiki

 http://en.wikipedia.org/wiki/Scale-invariant_feature_transform

慢慢看。

又开始学习sift，第一个问题是why gaussian？这个问题可以参看wikipedia中scale space条目

why DOG?

不同的图像缩放算法对结果又影响吗？

 

sift_vc代码的理解

 

1.图像是在32位浮点数[0,1]计算的，所以先要把图像转换到32f表示，同时做 1/255.0,归一到[0,1].

2.关于presigma一般都指定为0.5

3.sift-vc里octaves是通过一个公式求的octvs = log( MIN( init_img->width, init_img->height ) ) / log(2) - 2;

4.sift-vc中输入图像预处理有个

    sig_diff = sqrt( sigma * sigma - SIFT_INIT_SIGMA * SIFT_INIT_SIGMA * 4 );

    如果不放大是

   sig_diff = sqrt( sigma * sigma - SIFT_INIT_SIGMA * SIFT_INIT_SIGMA );

   sig_diff传递给cvsmooth函数cvSmooth( dbl, dbl, CV_GAUSSIAN, 0, 0, sig_diff, sig_diff );

   cvsmooth可以指定高斯核的大小来计算高斯核的标准差，也可以指定标准差来计算高斯核的大小。计算公式可以参考openc的手册

和源代码。其中通过标准差来计算核大小用的比较多。有个3sigma规则。cvsmooth中3*3，5*5，7*7的核是预定义的。

这里不明白的是为什么用sig_diff?看了后面的构建高斯金字塔的内容。计算sig[i]也是用sig_diff的公式，

网上有个pdf 《关于SIFT和RANSAC算法的一个slides.pdf》提到了这些问题。

高斯卷积看http://zh.wikipedia.org/wiki/%E9%AB%98%E6%96%AF%E6%A8%A1%E7%B3%8A

先总结如下：下一级图像的sigma是上一级的k倍，高斯卷积符合公式

g(x,sigma^2) = g(x,sigma1^2)*g(x,sigma2^2)

假设原图有sift_init_sigma的模糊，第一张图的标准差是sigma，则从sift_init_sigma的图到sigma的图，用的高斯核不能使sigma

而是 sqrt( sigma * sigma - SIFT_INIT_SIGMA * SIFT_INIT_SIGMA );

同样的，下一个图的sigma是k*sigma，我们可以直接用ksigma来求，但用小的sigma计算速度快，根据高斯卷积的性质，如果当前图的原图经过（k-1）sigma卷积得到的，，下个图是原图经过k*sigma的高斯核得到的。则从当前图到下个图，可以用高斯核

sqrt（ksigma^2-(k-1)^2sigma^2）,对当前图做卷积得到。这个核比k*sigma 小，所以速度快些。

感谢网友 ynyu，opencv群和图像识别群的朋友的帮助。

参看图