Image processing 为什么SIFT描述符是尺度不变的？
我的理解是：SIFT描述符使用从16x16邻域像素计算的方向梯度直方图。 大图像中的16x16区域可以是非常小的区域，例如猫爪上一根毛发的1/10， 将目标图像调整为小尺寸时，同一关键点周围的邻域为16x16 可以是图像的大部分，例如猫的爪子 使用SIFT描述符将原始图像与调整大小的图像进行比较对我来说没有意义，Image processing 为什么SIFT描述符是尺度不变的？,image-processing,computer-vision,image-recognition,cbir,Image Processing,Computer Vision,Image Recognition,Cbir,我的理解是：SIFT描述符使用从16x16邻域像素计算的方向梯度直方图。 大图像中的16x16区域可以是非常小的区域，例如猫爪上一根毛发的1/10， 将目标图像调整为小尺寸时，同一关键点周围的邻域为16x16 可以是图像的大部分，例如猫的爪子 使用SIFT描述符将原始图像与调整大小的图像进行比较对我来说没有意义， 有谁能告诉我我的理解有什么问题吗？这是一个粗略的描述，但应该能让您了解该方法 SIFT使用的一个阶段是创建图像的金字塔比例。它将使用低通滤波器缩小并平滑 然后，特征检测器通过查找不仅在
有谁能告诉我我的理解有什么问题吗？这是一个粗略的描述，但应该能让您了解该方法 SIFT使用的一个阶段是创建图像的金字塔比例。它将使用低通滤波器缩小并平滑 然后，特征检测器通过查找不仅在图像空间，而且在尺度空间中具有峰值响应的特征来工作。这意味着它可以找到该特征将产生最高响应的图像比例 然后，在该比例中计算描述符。因此，当您使用更小/更大的版本时，它仍然会发现该功能具有相同的比例