图像尺度空间

博主原本以为图像的尺度空间是指同一幅图像不同size构成的集合，其实不然

图像分辨率 ≠ 图像尺度

什么是尺度空间（scale space）？

图像的尺度是指图像内容的粗细程度，尺度的概念是用来模拟观察者距离物体的远近程度。具体来说，观察者距离物体远，看到物体可能只有大概的轮廓；观察者距离物体近，更可能看到物体的细节，比如纹理，表面的粗糙等等。从频域的角度来说，图像的粗细程度代表的频域信息的低频成分和高频成分。 粗质图像代表信息大部分都集中在低频段，仅有少量的高频信息。细致图像代表信息成分丰富，高低频段的信息都有。

在数学上，空间（space）是指具有约束条件的集合（set）。

图像的尺度空间是指同一图像不同尺度的集合。在这一集合内，细尺度图像通过滤波（filter）形成粗尺度图像，即粗尺度图像是高频信息被过滤的过程，而且不会引入杂质信息。

在构建图像尺度空间的过程中，唯一使用的核函数是高斯核，这一点被T Lindeber在文献《Scale-space theory: a basic tool for analyzing structures at different scales》中证明，高斯核是唯一可以产生多尺度空间的核。

综上，图像的尺度空间是一幅图像经过几个不同高斯核后形成的模糊图片的集合，用来模拟人眼看到物体的远近程度以及模糊程度。

如上图的lena，使用不同的高斯核对lena进行高斯滤波，图像分辨率是一样的，图像尺度是不同的。