OpenCV学习：高斯金塔与SIFT特征

左图：是高斯金字塔，尺度的下降是下采样的结果，每一组的图片是采用不同的高斯卷积核得到的模糊程度不同图片，尺寸大小相同。
右边：左边是高斯，右边是高斯差分。对同一组，相邻两张图片进行相减。

O是计算金字塔的组数，其中M，N是输入原图的高宽。
S是层数，n是自己希望提取几张图像的特征。

下一个组的第一张图片，来自原上一组的倒数第三章。

右下角是θ的选取，是选用满足勾股定理的一套理论。

第一步，阈值化，先把一些没有超过阈值的点，先删除。
第2步，在差分金子塔中的三个维度，进行最大值寻找。

对园内的梯度幅值，按照梯度角度来投票统计，中间按照高斯加权，图中的蓝色表示权重大小。

投票结果中最大值，就是主方向。如果第二方向大于第一方向的80%，那么这就是辅方向。

圈的大小是尺度方向。
白线是主方向，辅助方向。

右下角：
描述符是一个128维的向量。

下图：
把关键点附近分为44个小格子，在每个小格子上统计八个方向的梯度情况。168=128；

左上角：
为了使得具有旋转不变性，需要先把小区域旋转到主方向来。

右上角：
选取区域的大小是自己设定的，采用插值的方法来实现。原作者是m=3，d就是格子的数量。

参考博客

https://www.bilibili.com/video/av47799675?p=5
https://github.com/o0o0o0o0o0o0o/image-processing-from-scratch