我是Computer Vision的新手，但我想发现这个领域
现在我学习如何检测时空兴趣点。对此，我读过Ivan Laptev的this文章
所以，我坚持从R2（平面）到R1（矢量）的转换图像。 （在本文的第2.1段开头）：
在空间域中，我们可以对图像f（sp）建模：R ^ 2-> R其线性尺度 - 空间表示（Witkin，1983; Koenderink和van Doorn，1992; Lindeberg，1994; Florack，1997）2
我不明白，我们如何获得1（来自R ^ 2，R的图像）
有人可以给出好文章，或自己解释一下吗？
据我所知，我们使用高斯内核卷积。但是，在卷积之后我们也得到图像R ^ 2.
答案 0 :(得分：0)
段落只是声明该函数在R ^ 2中的邻域上运行并返回标量。这对于高斯来说是正确的，它需要一个点周围的邻域并返回一个标量，该标量是邻域中像素的加权和，作为相对于邻域中心的位置的函数。
答案 1 :(得分：0)
如果您将图片建模为函数f(x,y)，则会传递R^2中的值（每个维度为x，y为1）。你得到每对x和y的一维输出（标量），对吗？只是愚蠢的数学： - ）
