关于SIFT算法的疑问

[在河之洲]

请教各路大神
在生成高斯金字塔的第一张图像的时候，为了图像反走样的需要，通常假设输入图像是经过高斯平滑处理的，其值为σ =0.5，即半个像元。这里图像反走样的需要是什么意思，为什么这样做就能反走样呢，如果走样了会怎么样呢？

还有一个问题
SIFT提取特征点的时候用了DoG来近似LoG,而据我所知LoG是用来检测斑点的，而DoG可以检测角点，SIFT的特征点是斑点还是角点呢，斑点与角点有什么区别吗 ？

俺还有一个问题
尺度空间里面关于组与组之间尺度的关系，我看资料的时候理解到有两种观点：一种是下一组的开始层是由上一组开始层的尺度的2倍高斯模糊之后，进行长宽各1/2降采样得到的；另一种解释是下一组的图像由上一组的对应的图像按照隔点降采样得到，这样做的目的是为了减少卷积运算的工作量。这样问题就很大了，第一种表明下一组的高斯模糊的尺度是上一组对应层的2倍，比如第一组第一层尺度是σ , 第二组第一层尺度就应该是2σ；第二种观点的意思应该是说下一组和上一组的对应层应该尺度是相同的。我觉得这两个观点都有些疑问，第一个观点的疑问时既然下一组的第一层是由上一组的最后一层进尺度为2^1/S的高斯模糊得到，那么为什么还要进行降采样，貌似如果不降采样也能进行层之间相减得到DoG的尺度空间呢，进行降采样肯定是有作用的，那么按照第二层的说法是下一组与上一组的尺度相同然后降采样得到，这个意思应该就是说降采样应该能使得尺度扩大二倍，这样说起来似乎很有道理，因为降采样如果真的能让尺度扩大二倍的话，那确实能够大幅度减少卷积的工作量了。但问题是有个已知结论是尺度空间唯一可行的核就是高斯函数。也就是说只有高斯函数才能生成尺度空间，那这样来说降采样真的没啥用了，那尺度空间为什么还要在组间进行降采样呢，我觉得既然两种观点都已经写到书里面了，自然是对的，我对他们表述的理解可能是错的。我查了查发现尺度空间的生成是先进行降采样，然后再在各层进行高斯模糊。这么说两种表述都是有问题的，我的猜测应该是这样的，先有一个图像，然后降采样生成很多种分辨率的图像，然后再每一组里面对该组的分辨率得到的那个图像进行21S的高斯模糊，而下一组与上一组虽说用的是相同的尺度,比如σ，但是下一组由于经过隔点降采样，这样相同的高斯模版下一组其实处理的点的邻域的半径要比上一组在原始图像上看要大一倍，这样相当于最原始的那个图来说下一组处理用的尺度确实是上一组的二倍，也就是第一种表述所说的尺度2倍的关系，只不过是先进行降采样。至于第二种表述应该是先进行降采样，然后因为组之间用的是相同的高斯模版，同时这样就减少了生成高斯模版的工作量，如果不进行降采样，那么第二组里对原始图像要生成2σ的模版，不仅生成比较麻烦，而且模版大了，运算量也确实大了，所以降采样确实有减少卷积工作来量的作用，但降采样本身不能扩大尺度，这么说其实就是在说尺度是相对于最原始那个图像而言的，但前面有说的是高斯函数的标准差那个σ就是尺度，这样说尺度只是与高斯模版有关了，与图像又无关了，这又推翻了我的猜测，因为我的猜测是建立在尺度是相对于原始图像的基础上，那么真实的情况是怎样的呢，尺度到底是啥，降采样又有什么作用呢？