2 u012343958 u012343958 于 2013.12.15 16:56 提问

sift算法中,需要建立高斯金字塔,但是每一阶梯的图片维数

sift算法中,需要建立高斯金字塔,但是每一阶梯的图片维数不一样,导致动态分配难度增加。想向大家请教如何将多组的一层层的octave分配好内存。

下面是每一组和每一层的定义
typedef struct ImageSt { /*金字塔每一层*/

float levelsigma;

float **Level; //每一层图像的象素值

} ImageLevels;

/*typedef struct ImageSt1 { //金字塔每一阶梯

ImageLevels Octave;

} ImageOctaves;
/
typedef struct Imagest1
{
ImageLevels *Octave;

unsigned width,height;

}ImageOctaves;

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
SIFT算法中关于高斯金字塔和尺度空间的问题理解
第一次发帖 新手开始学SIFT,拜读了http://blog.csdn.net/zddblog/article/details/7521424#reply,博客里写的很详细,不过我是笨人,爱钻牛角尖,有的地方没看懂,写上自己的理解,希望大家帮忙看看对不对。 原文中说: 为了在每组中检测S个尺度的极值点,则DOG金字塔每组需S+2层图像,而DOG金字塔由高斯金字塔相邻两层相减得到,则高
计算机视觉——SIFT算法之高斯金字塔
计算机视觉—SIFT算法之高斯金字塔 brycezou@163.com 1、高斯金字塔–>DoG金字塔        在理论上,输入图像需要先分别与不同尺度的高斯核进行卷积,然后求两幅图像的差。而在实际中更为简单,如图所示,高斯金字塔相邻两层相减,便可以得到 DoGDoG 金字塔。这是因为,高斯金字塔每层中的多幅图像,原本就是通过对同一幅输入图像进行不同尺度的高斯卷积得来的。关于高斯金字塔
sift算法—图像的高斯金字塔的生成(1)
代码并没有优化,只是草草生成, #include "stdafx.h" #include #include #include"highgui.h" #include"cv.h" #include"math.h"  #include #include using namespace std; //使用floor函数。floor(x)返回的是小于或等于x的最大整数。 #defin
Sift中尺度空间、高斯金字塔、差分金字塔(DOG金字塔)、图像金字塔
一、 图像金字塔 图像金字塔是一种以多分辨率来解释图像的结构,通过对原始图像进行多尺度像素采样的方式,生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部,以金字塔形状排列,往上是一系列像素(尺寸)逐渐降低的图像,一直到金字塔的顶部只包含一个像素点的图像,这就构成了传统意义上的图像金字塔。 获得图像金字塔一般包括二个步骤: 1. 利用低通滤波器平滑图像  2. 对平
特征提取算法--Sift
SIFT(Scale-invariant feature transform)是一种检测局部特征的算法,它在空间尺度中对一副图寻找极值点,并提取出其位置、尺度、旋转不变量等描述子得到特征并进行图像特征点匹配,用来侦测与描述影像中的局部性特征。 它是基于物体上的一些局部特征SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性;使用 S
多尺度:传统高斯金字塔,拉普拉斯金字塔及SIFT算法多尺度金字塔
古人有句成语,叫做“一叶障目”,那是因为叶子放在眼前了,如果叶子离着很远,自然就不会障目了。下面引入本篇的话题:图像处理中的多尺度分析。 参考:http://blog.csdn.net/dcrmg/article/details/52561656 /* * buildLaplacianPyramid:construct a laplacian
图像处理--- Sift中尺度空间、高斯金字塔、差分金字塔(DOG金字塔)、图像金字塔
一、 图像金字塔 图像金字塔是一种以多分辨率来解释图像的结构,通过对原始图像进行多尺度像素采样的方式,生成N个不同分辨率的图像。把具有最高级别分辨率的图像放在底部,以金字塔形状排列,往上是一系列像素(尺寸)逐渐降低的图像,一直到金字塔的顶部只包含一个像素点的图像,这就构成了传统意义上的图像金字塔。 获得图像金字塔一般包括二个步骤: 1. 利用低
OpenCV 现实高斯金字塔的源码,非常经典的SIFT算法
OpenCV 现实高斯金字塔的源码,非常经典的SIFT算法 OpenCV 现实高斯金字塔的源码,非常经典的SIFT算法
SIFT特征点提取中金字塔生成
1.假设我们生成一个高斯金字塔,有octaves组,每组有S层(S=2~5),则理论上金字塔共有octaves*S张图片,则各张图片的sigma值 2.假设我们希望SIFT通过比较S次得到的特征点,则高斯差分金字塔每组要S+2张图片,即每组S+2层(因为生成高斯差分金字塔时,高斯金字塔每组的第一张和最后一张不能用,因此每组要多两张),而高斯差分金字塔是由高斯金字塔相邻两组相减得到的,因此
SIFT检测特征点之生成128维描述子
接着上一篇  现在要对每个特征点生成128维描述符 这一步的理论还是来自于论文以及这位大神http://blog.csdn.net/v_JULY_v/article/details/6245939   总结下论文上和这位大神所说:先对每个特征点取8x8邻域   然后把这8x8区域又分成四个4x4区域  每个4x4区域生成一个有8个方向向量信息的种子  这样对一个特征点就有4x8=32维向量信息了