关于Gaussian filter (高斯滤波器)

本来是打算对高斯滤波器性质总结一下，结果发现有比我写的更好的。

我已经转帖，具体看“高斯滤波器”。

 

以下只能说是再加点东西，大多是我没懂的，欢迎补充和讨论:

 

- 高斯函数的fourier转换是它自己(但没明白优点是什么。。。)

 

- 高斯卷积有4种实现方法，基本可解决计算时的负责度问题

(详细见 : http://www.qi.tnw.tudelft.nl/Courses/FIP/noframes/fip-Smoothin.html#Heading87)。

 

- 高斯函数一阶可求gradient, 二阶可求laplacien

(这里不太明白，在我看来，只要一阶是原点对称的函数二阶都是轴对称的，就是说应该许多函数都可以胜任，是不是除了高斯别的函数也能做到?)

 

- DoG (Difference of Gaussian) 可以近似laplacien，方便计算

(在许多特征值探测程序中，比如SIFT，使用高斯卷积来平滑图像，然后用Hessian矩阵来探测关键点。

但是，为什么还要用DoG来构建laplacien空间? 上下26点的比较，非要在laplacien空间中完成么?)

 

就这些了，求指点。。。。