我们如何将图像从平面转换为矢量？
How we can transform image from plane to vector?
我是计算机视觉领域的新手，但我想探索这个领域。
现在我学习如何检测时空兴趣点。为此，我阅读了 Ivan Laptev 的 this 文章。
所以，我坚持将图像从 R2（平面）转换为 R1（矢量）。 （本文第2.1段开头）：
In the spatial domain, we can model an image f(sp):R^2->R its linear scale-space representation (Witkin, 1983; Koenderink and van Doorn, 1992;
Lindeberg, 1994; Florack, 1997) 2
我不明白，我们如何得到1（图像来自R^2，R）
哪位大侠能给个好文章，或者自己解释下？
据我了解，我们对此使用高斯核卷积。但是，在卷积之后我们也得到图像 R^2.
该段只是说明该函数在 R^2 中的邻域和 returns 标量上运行。这对于高斯来说是正确的，它需要一个点周围的邻域和 returns 一个标量，它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。
如果您将图像建模为函数 f(x,y)，则在 R^2 中传递值（每个维度一个维度，x 一个维度 y）。你会得到每对 x 和 y 的一维输出（标量），对吧？只是愚蠢的数学:-)
我是计算机视觉领域的新手，但我想探索这个领域。
现在我学习如何检测时空兴趣点。为此，我阅读了 Ivan Laptev 的 this 文章。
所以，我坚持将图像从 R2（平面）转换为 R1（矢量）。 （本文第2.1段开头）：
In the spatial domain, we can model an image f(sp):R^2->R its linear scale-space representation (Witkin, 1983; Koenderink and van Doorn, 1992; Lindeberg, 1994; Florack, 1997) 2
我不明白，我们如何得到1（图像来自R^2，R）
哪位大侠能给个好文章，或者自己解释下？
据我了解，我们对此使用高斯核卷积。但是，在卷积之后我们也得到图像 R^2.
该段只是说明该函数在 R^2 中的邻域和 returns 标量上运行。这对于高斯来说是正确的，它需要一个点周围的邻域和 returns 一个标量，它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。
如果您将图像建模为函数 f(x,y)，则在 R^2 中传递值（每个维度一个维度，x 一个维度 y）。你会得到每对 x 和 y 的一维输出（标量），对吧？只是愚蠢的数学:-)