我正在学习 SIFT。我对Lowe的一些算法有点困惑。

为了使描述符对缩放等平移保持不变，我们必须去掉 LoG（高斯的拉普拉斯算子）中的缩放因子。我知道 LoG 是这样表示的：

那么尺度不变的 LoG 看起来像这样：

但是DoG怎么会这样呢？：

换句话说，我们如何通过近似，使用 DoG，摆脱 SIFT 中的比例因子。我知道 DoG 是如何计算的，但问题是我无法理解我们如何摆脱这个因素来获得一个比例不变的 LoG 近似值。任何精确的解释都非常感谢。

编辑：还有一些问题，请准确回答。谢谢 :-) 1- 在 SIFT 的最后一步，我们使用梯度方向计算特征向量。要做到这一点，从每个方向中减去关键点的旋转。我不明白为什么我们要减去它们？

2- 光照依赖怎么办？

任何人都可以解释我们如何删除照明和方向依赖？