空间尺度分析_特征尺度的选取原则

void CreateScaleSpace(cv::Mat srcImage,
std::vector< std::vector<Mat> > &ScaleSpace,
std::vector< std::vector<Mat> > &DoG)
{
cv::Size ksize(5, 5);
double sigma; Mat srcBlurMat, up, down;
// 高斯平滑
GaussianBlur(srcImage, srcBlurMat, ksize, 0.5);//输入图像；输出图像；高斯核；x方向上的方差；y方向为0则与 x方向相同
// 金字塔
pyrUp(srcBlurMat, up);//向上采样，扩大两倍
up.copyTo(ScaleSpace[0][0]);
// 高斯平滑
GaussianBlur(ScaleSpace[0][0], ScaleSpace[0][0], ksize, 1.0);
// 图像遍历
for (int i = 0; i < 4; i++)//四层向下采样金字塔[0,1,2,3]
{
// 平滑因子
double sigma = 1.4142135;  
for (int j = 0; j < 5+2; j++)
{
sigma = sigma * pow(2.0,j/2.0) ;//pow:2^(j/2)
// 对下一尺度进行进行高斯操作
GaussianBlur(ScaleSpace[i][j], 
ScaleSpace[i][j+1], ksize, sigma);//根据不同的平滑因子进行平滑，做差生成特征点
// 多尺度空间生成
DoG[i][j] = ScaleSpace[i][j] - ScaleSpace[i][j+1];
// cout<<"iave:"<<i<<" Scale:"<<j<<"size:"<< 
// ScaleSpace[i][j].rows<<"x"<<ScaleSpace[i][j].cols<<endl;
}
// 如果不能完成，继续进行金字塔操作
if (i < 3)//下采样生成图像金字塔
{
pyrDown(ScaleSpace[i][0], down);
down.copyTo(ScaleSpace[i+1][0]);
}
}
}