Sift 理解简单总结

一 、 sift 相关函数：
1、提取：

nfeatures：特征点数目（算法对检测出的特征点排名，返回最好的nfeatures个特征点）。
nOctaveLayers：金字塔中每组的层数（算法自动计算，和输入图像行、列维数有关）。
contrastThreshold：过滤掉较差的特征点的对阈值。contrastThreshold越大，返回的特征点越少。
edgeThreshold：过滤掉边缘效应的阈值。edgeThreshold越大，特征点越多（被多滤掉的越少）。
sigma：金字塔第0层图像高斯滤波系数，也就是σ。

2、关键点：

1）pt:
关键点在输入图像中的x,y坐标（在DoG金字塔中检索相邻尺度空间邻域点的极值）

2）size:
关键点的尺度坐标：（尺度坐标和具体对图像进行模糊的系数有对应关系但不等同：此处为自己理解）

源码：kpt.size = sigma * powf(2.f, (layer + xi) / nOctaveLayers) * (1 << octv) * 2;
3）angle:
关键点的角度：关键点邻域内统计出的梯度直方图最大的方向为该关键点的角度（在高斯金字塔对应层上，且实际以max的80%为阈值，可能一个点有多个角度）

4）response:
关键点位置处的响应值，即关键点位置归一化的像素灰度值contr，代码如下:

5）octave:
尺度坐标，sigma和组数（octave）和组内层数（layer）的一种格式表述方法，在提取描述子时会按照该格式解包，获取组数和层数。

二、流程:
1）输入原始图像，建立高斯金字塔（nOctaves+3）
2）利用高斯金字塔建立DoG金字塔（nOctaves+2）；这里层数是为了在DoG的每一组图像中可以完成n个尺度的关键点提取，因为提取关键点是每3层对比一次，因此会舍弃每组中的第一层和最顶层。
3）在DoG中找到关键点位置，并进行插值找到精确解；得到除方向angle外的其它Key point参数信息；
4）利用keypoint的信息，找到高斯金字塔中的图像，统计直方图获取关键点的方向angle，完成keypoint的存储。（相同位置不同角度的点，此时有一定的顺序，从j=0~n，但由于有方向拟合操作等，不一定是角度由小到大排序）
5）根据存储的Key point中octave的信息，获取组，层的索引，将关键点邻域坐标轴旋转到和angle相同的角度，再次确定一个邻域（这个邻域坐标以旋转后的坐标进行表示）
6）统计4 * 4区域的梯度信息，每个区域分成8个方向（45°为单位），共4 * 4 * 8，得到128维sift特征描述子。

参考链接：（图片引用自下述链接）
1、https://blog.csdn.net/zddblog/article/details/7521424
2、https://blog.csdn.net/xiaowei_cqu/article/details/8069548
3、https://blog.csdn.net/shouhuxianjian/article/details/48736009