SIFT【尺度不变特征转换】和关键点的旋转不变性

如何判断关键点的旋转不变性？
解：图像金字塔每层会得到一系列的DoG[Difference of Gaussian]极大值点，在极值中选取关键点【1.点的周围在邻域范围中是最大值；2.相邻金字塔层的邻域是最大值
满足1，2的点具有缩放不变性】
但是由于边缘响应，可能找到的点并不是关键点，因此，在此基础上需要计算该点的Hessain矩阵，通过Hessian计算该点的主曲率，利用阈值过滤主曲率较小的点，最后
点认为是【关键点】

此时问题来了，如何判断关键点的旋转不变性呢？

具体方式：选择关键点的相邻点，计算周围所有点的梯度的角度，且将360°划分为36分，每份10°，画出对应的直方图，找出直方图最大的角度，若出现角度有达到最大角
度的80%以上，记录其为次大角度。记录最大角度和次大角度为关键点的方向，记录该方向即可保证关键点的旋转不变性。

SIFT【尺度不变特征转化算法】：
得到关键点之后，在关键点周围的16个像素点（16x16区域），以每4个为一组，计算每组像素的梯度角度，然后根据像素梯度计算角度直方图【360°分成8份】，然后根据
直方图的计算结果，最后可以给每个像素点分配16*8=128个特征。通过这128个特征构成的向量可以描述图像局部区域的特征信息。