在实际计算时，三种方法计算的金字塔组数noctaves，尺度空间坐标σ，以及每组金字塔内的层数S是一样的。同时，假设图像为640*480的标准图像。
金字塔层数：
其中o_min = 0，对于分辨率为640*480的图像N=5。
每组金字塔内图像数：
S=3，即在做极值检测时使用金子塔内中间3张图像。
对于LoG每组金字塔内有S+2张图像（S=-1，0,1,2,3），需要做S+1次高斯模糊操作（后一张图像由前一张做高斯模糊得到）；而DoG每组金字塔有S+3张高斯图像，得到S+2张DoG图像。
尺度空间系数：
其中，S表示每组金字塔内图像层数，n为当前高斯层数，取0-4。DoG需要5个尺度系数得到6张GSS图像，而LoG只需要前4个尺度系数得到5张图像。
高斯核使用正太分布（高斯函数）计算模糊模版，N维空间正太分布方程为：
其中o为当前金字塔层数，n为在当前金字塔层中图像张数。
由于卷积计算性质：
在计算时，通过对前一张图像做尺度系数为
即，
图 2. 由高斯金字塔得到DoG金字塔及其对应的尺度空间系数示意图。
LoG & DoG
一个直观的比较结果，使用
可以看到，LoG比DoG明显需要更多的加法运算和乘法运算。虽然DoG需要在每层金字塔多做一次高斯操作（即为了得到S+2张DoG图需要S+3张高斯模糊图），但通过减法取代LoG核的计算过程，显著减少了运算次数，大大节省了运算时间。
【计算机视觉】SIFT中LoG和DoG比较,布布扣,bubuko.com
原文地址：http://blog.csdn.net/xiaowei_cqu/article/details/27692123
