一张图片—>feature detection 特征检测（e.g.：DoG）—>feature description 特征描述（e.g.：SIFT）—>Matching/Indexing/Detection 匹配/索引/检测<—database of local descriptors 本地描述符数据库
Image filtering 图像滤波
过滤的三种观点：
- 空域图像滤波
过滤器是数字网格的数学运算
平滑、锐化、测量纹理 - 频域图像滤波器
滤波是一种改变图像频率的方法
去噪、采样、图像压缩 - 图像金字塔
比例空间表示允许粗到细操作
图像滤波
计算每个位置的局部邻域函数：
h=output f=filter I=image
k,l = 二维坐标 m,n = 二维坐标
一、box filter 盒式过滤器
盒滤波器作用：
- 将每个像素替换为其邻域的平均值；
- 达到平滑效果（去除尖锐特征）。
图像滤波器作用：
- 增强图像
去噪、调整大小、增加对比度等。 - 从图像中提取信息
纹理、边缘、特征点等。 - 检测模式
模板匹配
二、linear filters 线性滤波器
没有变化
按1像素左移
垂直边缘（绝对值）
水平边缘（绝对值）
锐化滤波器——突出与当地平均水平的差异
三、Gaussian filter 高斯滤波器
邻近像素的加权贡献
高斯滤波器的可分性
可分性示例：
2D convolution (center location only)
二维卷积（仅中心位置）
The filter factors into a product of 1D filters:
过滤因子为1的乘积：
Perform convolution along rows:
执行卷积长行：
Followed by convolution along the remaining column:
然后对其余列进行卷积：
为什么分离性在实践中有用？
- MXN图像，PXQ过滤器
二维卷积：MNPQ乘加
可分二维：MN（P+Q）乘加 - 加速=PQ/（P+Q）
9x9过滤器大约快4.5倍
过滤器应该有多大？
- 边缘处的值应接近零
- 高斯人有无限的范围…
- 高斯的经验法则：将滤波器半宽设为3σ左右
