关于sift中sigma的问题

本文探讨了在OpenCV中SIFT特征检测中sigma参数的不同计算方式,虽然不同于理论上的1或2,但通过高斯函数的卷积性质,可以提高计算效率。尽管每次迭代图像尺寸减半,但卷积核的增大抵消了这一变化,使得整个过程仍使用相同的数据集。作者邀请读者对这一观点提出疑问和讨论。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

据说在openCV中sigma参数采用了下面3种形式计算,这让人很不理解,按照理论,应该是1或2的形式才对。根据查到的文献解释为:提高速度。
在这里插入图片描述
下面就分析分析到底是如何提速的:
高斯函数的特殊性质,即两个高斯函数的卷积等于另一个高斯函数,关系如下:
其中:
在这里插入图片描述
在这里插入图片描述
有了公式3,就可以根据上一幅图片构造下一副图片。而不是使用最原始的图片进行卷积获得新图片。但是这又有什么用呢?每个新的照片还是由一幅图像和一个卷积核卷积而得到,并没有简化计算。
在这里插入图片描述在这里插入图片描述
再来说说这个系数问题,随着组数的增加以2的倍数增长,但是随着组数的增加图像的尺寸确实以2的倍数减小,二者相互抵消。所以迭代过程中事实上采用的都是同一组数据。
以上是个人对这一问题的看法,如有问题,敬请留言,谢谢!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值