有关SIFT图像特征点提取算法问题详解，讨论

[ltbing]

大家好，我最近看了一段时间的SIFT图像特征点提取算法，其基本原理已经搞清楚，主要是将图片通过高斯核函数的卷积转化到尺度空间下，然后进行特征点的提取。关于SIFT最经典的论文是LOWE的Distinctive Image Features from Scale-Invariant Keypoints 一文，此文详细的介绍了有关SIFT算法对图片的特征点提取和进行图像匹配的全过程。大家可以参考参考。

但是我在看这篇论文的时候还是遇到了一些问题，在此提出供大家相互讨论讨论，提点自己的看法。

问题：将一幅图像转化到尺度空间下后，也就是在文中提到的DOG后，进行特征点的提取，在提取的时候先是选择一个点与其领域点和上下2张DOG共26个点作比较，选择特征值最大和最小的点。
无法理解的是在总共27个点中选择极值点，那么此点可能在3层DOG中的一层上，那么此点如何取出？下一次递归取点时如何取？？