SIFT学习--构建尺度空间
现实世界的对象只会在某些尺度上有意义。比如面前一棵树，如果在大的尺度上，树是有意义的，从另一个角度来说，树叶的信息被抛弃了。尺度空间就是从数字图像的角度模拟这些概念。
如果要去除一些详细的信息，你必须确保你没有引入新的错误的细节，一个较好的做法是运用高斯核来进行模糊处理。
所以要创建一个尺度空间，你必须拿到原始图像并且逐渐产生模糊处理后的图像。
下面是一个例子：
统一大小的图像（纵向）属于一个octave，上面有4个octave，每一个octave有5幅图像。每幅图都是在增长的尺度（模糊的规模）上建立的。
2. 技术细节
Octaves和尺度
Octave和尺度的数量取决于原始图像的大小，SIFT的创造者建议4个Octave和5个模糊等级是理想的。
第一个Octave
如果原始图片的大小是2的幂并且质量较高能让算法产生更多的关键点。
模糊处理
高斯模糊：
含义：
² L 模糊处理过的图片
² G 高斯模糊算子
² I 图片
² x，y坐标
² σ 是尺度参数，可以看做是模糊处理规模的大小，值越大，模糊的越多。
² * x，y上的卷积操作。