高斯金字塔构建:
1.对图像做不同尺度的高斯模糊
为了让尺度体现其连续性,高斯金字塔在简单降采样的基础上加上了高斯滤波。将图像金字塔每层的一张图像使用不同参数做高斯模糊,使得金字塔的每层含有多张高斯模糊图像,将金字塔每层多张图像合称为一组(Octave),金字塔每层只有一组图像,组数和金字塔层数相等,使用下列公式计算,每组含有多张(也叫层Interval)图像。另外,降采样时,高斯金字塔上一组图像的初始图像(底层图像)是由前一组图像的倒数第三张图像隔点采样得到的。
其中M,N为原图像的大小,t为塔顶图像的最小维数的对数值。如,对于大小为512512的图像,金字塔上各层图像的大小如表3.1所示,当塔顶图像为44时,n=7,当塔顶图像为2*2时,n=8。
2.对图像做降采样(隔点采样)
总结:
设置一个比例因子scaleFactor(opencv默认为1.2)和金字塔的层数nlevels(pencv默认为8)。将原图像按比例因子缩小成nlevels幅图像。缩放后的图像为:I’= I/scaleFactork(k=1,2,…, nlevels)。nlevels幅不同比例的图像提取特征点总和作为这幅图像的oFAST特征点。
图像金字塔实际上是一张图片在不同尺度下的集合,即原图的上采样和下采样。常见的金字塔包括高斯金字塔和拉普拉斯金字塔,但是也有一些其它算法衍生的金字塔,并不一定要高斯模糊。需根据自身应用而定,参考文献0中所述的理由我并不认同。
图像金字塔更多的是一种构建不同尺度空间的思想,网络上搜索较多的可能是在SIFT算法中的应用了,除此之外,还可以应用在光流中,slam的姿态估计中,还有加速模板匹配等等,更详细的可以参考文献1中所述。
1 高斯金字塔
1.1 为什么构建高斯金字塔?
[参考文献2 ]
整个高斯金字塔,或者说是差分高斯金字塔是我们确定SIFT特征的基础,让我们首先想想高斯金字塔到底干了一件什么事情,他到底模仿的是什么?答案很容易确定,高斯金字塔模仿的是图像的不同的尺度,尺度应该怎样理解?对于一副图像,你近距离观察图像,与你在一米之外观察,看到的图像效果是不同的,前者比较清晰,后者比较模糊,前者比较大,后者比较小,通过前者能看到图像的一些细节信息,通过后者能看到图像的一些轮廓的信