1.圖像的尺度
這里圖像的尺度并非指圖像的大小，而是指圖像的模糊程度（σ） ，例如，人近距離看一個物體和遠距離看一個物體模糊程度是不一樣的，從近距離到遠距離圖像越來越模糊的過程，也是圖像的尺度越來越大的過程。

2.尺度空間的作用
1.用機器視覺系統分析未知場景時，計算機并不預先知道圖像中物體的尺度。我們需要同時考慮圖像在多尺度下的描述，獲知感興趣物體的最佳尺度。
2.不同的尺度下都有同樣的關鍵點，那么在不同的尺度的輸入圖像下就都可以檢測出來關鍵點匹配，也就是尺度不變性。

圖像的尺度空間表達指的就是圖像在所有尺度下的描述。

3.多尺度表示
1.金字塔多分辨率
圖像的金字塔化包括兩個步驟，首先，圖像經過一個低通濾波器進行平滑，然后，對這個平滑圖像進行抽樣（寬，高為原來的1、2）。

2.多尺度空間
信號的尺度空間有一個重要的特性是通過低通濾波器后，在大尺度上不會引入虛假結構。
兩者都能有效地對圖像進行多尺度表達，但金字塔多分辨率缺少堅實的理論基礎，不能得到圖像的最佳尺度，同樣也不具有特征的尺度不變性。
后者與前者的主要區別在與，多尺度空間在不同尺度(σ)上有相同的分辨率，即可以理解為，在不同的尺度上圖像的大小是相同的。
一幅圖像的尺度空間 L(x, y, σ), 定義為原始圖像 I(x,y) 與一個可變尺度的2維高斯函數G(x, y, σ)卷積運算。

即尺度空間形式表示為：

其中

高斯尺度空間具有的性質
1.加權平均和有限孔徑效應
2.層疊平滑
3.局部極值遞減性
4.尺度伸縮不變性

4.最佳尺度選擇
感興趣圖像結果在不同尺度上的響應是不同的，例如，同樣一副含有人手的圖像，當我們的感興趣結構是人的手指，或者是人的手臂時，所需圖像的最佳尺度是不同的。

在實際工作中，可以通過經驗選擇來確定最佳尺度。

5.多尺度特征匹配
在提取圖像的特征時，如果采取固定尺度的特征檢測，就會得到偏向該尺寸的檢測結果，而漏檢很多其他尺度的特征。
為了是不同尺度上圖像中相同的特征被檢測出，需要在圖像的多個尺度上進行檢測和匹配。

參考：
SIFT算法系列之尺度空間

總結

以上是生活随笔為你收集整理的多尺度空间概念_人文地理学空间和尺度概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。