仿射变换

SIFT算法主要分为五个步骤：获得尺度空间、寻找极值点、去除边界效应、方向赋值和生成特征描述子。 获得尺度空间（尺度不变性） 获得尺度空间即高斯金字塔，是通过使用不同模糊系数的高斯函数卷积图像得到的。公式如下： G(xyσ)是高斯函数，σ是高斯模糊系数；值越小尺度也就越小； 先使用高斯金字塔每相邻两层相减得到高斯差分金字塔

此条目没有列出任何参考或来源。 (2015年7月16日) 维基百科所有的内容都应该可供查证。请协助补充可靠来源以改善这篇条目

Householder 矩阵的潜藏功能在于一旦选择了适当的超平面法向量 ，镜射向量 将指向标准基底向量 ，也就是说，除了第一个元外， 的每个元皆为 。详细的算法见注解[1]，下面给出一个简约版本。设 到目前为止，读者或许还看不出来这其实是 Householder 矩阵最具实用价值的性质

对于行业外的人来说，人脸对齐这个说法多多少少有些陌生。人脸对齐的本质很简单——通过旋转、平移与缩放将目标人脸区域放置在图像特定位置。这是人脸识别系统中的一种标准操作

请教老师一个问题，仿射变换除了课上讲的数学定义，有没有物理上的直观定义？ 您放的皮克斯动画的开始时的片段中，最后I被踩了以后，进行“等面积”的变换，属于shear transformation吗？ 谢谢老师！ 仿射变换直观上可以不严谨地理解为原地的旋转、伸缩+平移，不过我个人认为数学定义本身已经足够清晰。这个 I 被压扁的过程中进行的不是等面积变换；即使我们将其视为等面积变换，这个过程依旧不可以视为一个二维 shear transformation，因为二维 shear matrix 只有((1 M)(0 1))和((1 0)(M 1))这两种形式，这两种形式将会保证长度与宽度中至少一维不变。