Episode Seven：从SIFT算法到dense SIFT算法

用SIFT算法出现的问题：

在处理牙齿有关的数据时，由于牙齿的特征较少，用一般的SIFT算法求得的特征点是稀疏的（Sparse），导致处理其他特征较明显的数据时可以得到完美的结果，但是处理牙齿数据总是会得到错误的H矩阵，导致得到的图C是错误的。

转战dense SIFT算法：

dense SIFT算法可以得到相对稠密的特征点，则可以通过检测到的足够多的特征点进行特征匹配，并通过RANSAC方法进行筛选，得到相对正确的变换矩阵H，并得到正确的图C。

code：

///SIFT特征点匹配
#include "opencv2/opencv.hpp"
#include "opencv2/nonfree/nonfree.hpp"//SIFT相关
#include "opencv2/legacy/legacy.hpp"//匹配器相关
#include <opencv2/nonfree/features2d.hpp>
#include <iostream>

using namespace std;
using namespace cv;

int main()
{
	//1.SIFT特征点提取——detect()方法  
	Mat srcImg1 = imread("pic/test2/a.jpg", CV_LOAD_IMAGE_COLOR);
	Mat srcImg2 = imread("pic/test2/b.jpg", CV_LOAD_IMAGE_COLOR);
	Mat srcImg1_copy = srcImg1;
	Mat srcImg2_copy = srcImg2;
	Mat dstImg1, dstImg2;