SIFT算法的个人理解

SIFT算法的个人理解——理论篇

1. 前言

本人目前共使用过两个版本的sift算法:

（1）Matlab中的sift算法，可以从http://www.cs.ubc.ca/~lowe/keypoints/下载Lowe团队写的sift演示代码；

（2）opencv中的sift算法（本人使用的opencv版本是2.4.9），可以从http://opencv.org/下载opencv的各个版本，建议不要用太新的版本，容易出现一些小问题。本篇文章主要总结一下本人最近在做项目的过程当中学习和使用sift算法所遇到的问题，一方面可以和大家在网上交流学习，另一方面可以方便自己以后查阅和复习。

2.  SIFT中常见问题

首先还是介绍一下sift算法的主要步骤：（1）建立尺度空间，主要是指建立，Gaussian金字塔和DoG金子塔；（2）在尺度空间中寻找极值点（keypoints），并对其进行精确定位；（3）求解关键点的梯度幅值和幅角；（4）对关键点进行描述，形成128维的空间向量。

在步骤（1）当中大家需要明白的问题是：（1）什么是尺度？尺度空间中的尺度又是什么？（2）如何建立Gaussian金字塔？（3）如何建立DoG金字塔？（4）为什么要建立尺度空间，不建立尺度空间可以吗？这些问题也是我当初学习的时候遇到的问题，接下来就这些问题谈一谈我自己的认识，希望对大家有所帮助；

问题（1）我举一个简单的例子，相信大家就会明白了，比如你站在远处看一棵树木，你只能看见它的一簇树叶，而当你离树木越来越近的时候，你可以看见单个的树叶，而当你再靠近的时候，你就会看见树叶上的纹络。而在尺度空间当中的尺度在我理解是指图像的大小，对于同一张图像，图像的尺寸越大图像的尺度越大，图像越模糊；尺度越小图像越清晰。而图像中的细节可以在小的尺度上面找到，轮廓可以在大的尺度上面找到。

问题（2）建立高斯金字塔主要包括两个步骤：（a）对图像进行高斯模糊，即通过高斯掩膜对图像进行求卷积（b）对高斯模糊之后的图像进行降采样，即对图像中行和列的像素隔行删除。如示意图1所示

图1 Gaussian金字塔和DoG金字塔的建立示意图

图1左边的是Gaussian金字塔，右边的是DoG金字塔（后面会介绍到），图中octave--组，Layer--层，scale--尺度。如上图Gaussian第一组（first octave）中共有5层，包括0,1,2,3,4 ，第二组（second octave）中共有5层，包括0,1,2,3,4  。第一组的第0层是原始图像放大一倍后得到的，第1层是由第0层经过高斯平滑后得到的，... ，第4层是由第3层经过高斯平滑得到的；而第二组的第0层是由第1组的倒数第三张图像降采样得到的（这个地方是个难点，后面会讲到为什么是这个样子），接下来的步骤和第一组当中是一样的，不