为了改善这件事，有个东西叫HDR，用最后从传感器拿到的图像重构光进入传感器前的场景。HDR其实是高动态范围的图像，最大值和最小值的差距很大。

重构原理是因为拍照只留下设定的亮度范围，只有这一段会被量化。那么我们不断改变曝光量，得到这个序列当中各个亮度范围的细节，再把图像叠到一起。假设曝光时位置不变，那么每个pixel就可以对起来。

我们把没有饱和的像素都选出来，做平均——这个首先要在线性化以后的值上做，把原来的值线性化——叠加完后拿到HDR图像，每个通道上的值都是一个浮点数，这样就可以表达很大的动态范围。

然而我们的vision不是孤立地看一个，要看很多像素。这些像素有固定的结构和pattern，local feature在很多vision task里面都要用到。

vision代表着图像中物体的piece，它虽然对物体的feature没有理解，但它企图去抓feature，这就是认定图像有一致的localization，不管在什么位置，不管物体的位置和朝向，这个特定的feature点都跟着物体走。

feature找到后，要去encode这个feature，这个的对slam或stereo非常有用。

我们再回归边缘检测。边缘检测就是在图像中找到比较显著的不连续的边界。

在一维里，用高斯函数的二阶导卷积图像里得到一些小波浪，这些小波浪会跟着图像走，这就是有localization特性。然而对一个pattern，要用两个边界去刻画。我们不仅需要知道feature的位置，还要知道大小。

这个函数的积分信号和卷积和不是我想要的。信号的size当和卷积和的kernel size差不多的时候，我们可以得到一个local minimum，这个点就是我们想要的。

这个点可以告诉我们feature的位置和大小。实际上遍历各种不同大小的kernel去卷积，我们把它拓展到二维，就是一维函数沿轴旋转一下。

二维函数的本身是高斯和的二次求导。这个函数能够在不同的宽度间拿到不同的值，使得不同的层互相比，到处找local minimum。最后拿到的数据中，每个圆圈的中心表示feature在哪里，每个圆圈的大小表示feature有多大。

最关键的在于如果我把这个图像挪动，缩小，转动，这些feature点也会跟着走。还有就是卷积的图像不只是一张。这些feature点是在不同的层上找的。因此找minimal不是在x,y上找，而是在x,y,z上找，然后投影。

所以当我们很好的抓到这些位置之后，那么首先要确定feature的位置，当feature点位置确定，要确定来自同一个函数，意味着我们要有一个尺度的衡量，我们不仅要知道一个feature点的大小和位置，我们还要在知道内容是什么。

基于算法找到feature后，用一个向量表示feature的内容，并抵御缩放带来的影响。这个feature里物体的远近出来的值差不多。x,y的移动已经归一化。z轴也归一化掉。

这个大量被使用在3D重构。本质思想是线条朝向记下来，计算梯度，用朝向刻画内容，再用8个bit去刻画。由于相机的图像是在不同的位置拍摄的，假如没有运动的很快，就会是有重叠的，但拍的时候由于在动，不能简单的叠加，要一对一对的解图像间的关系并拼起来。

抓到feature点后就来找对应。对应里可能会有很多的错误。求解的就是把所有的对应关系联立上面大方程。每一个点做一个变换。这个变化是一个3×3的矩阵。只要超过9个方程，矩阵就可以求解。

不正确的对应关系不能包含在线性系统里面，不然结果会偏掉，假设正确的对应远大于错误的，随便找几个对应关系。求解t，大部分正确但有偏差的。反向验证对应关系，跟transformation是否一致，过于不一致就丢掉。

拍摄的时候光照的参数有点不一样，细节一致，绝对亮度稍微有点不一样。这就已经不是vision的事情了，是graphics的问题。有个泊松image的方法，梯度留下，绝对亮度丢掉。点与点之间的相对梯度关系连起来求泊松方程，解出image。这样解完以后边界就会消失了。

摒弃了绝对亮度，利用梯度的亮度重新生成。

那么三维空间的投影是怎么发生的，成像是怎么成的呢？