[VLFeat]Dense Sift的C源码学习

VLFeat是一个很好用的开源库，其中实现了计算机视觉常用的算法，使用的语言是C和matlab。
官网：http://www.vlfeat.org/index.html
在官网下载最新版本后，在matlab中添加路径即可。
1，Dense Sift
在文章《sift特征提取算法》中提到，提取图像的sift特征分4步：构建DOG尺度空间；关键点定位；关键点方向赋值；生成描述子。
这里产生的sift特征点是sparse sift，而在实际实验中，使用较多的则是dense sift。
dense sift省去了前3步，即直接指定关键点位置和描述子采样区域，计算sift特征。
主要过程是：
1，用一个patch在图像上以一定步长step滑动，代码中step=1，这个patch就是描述子采样区域，patch size是4bins*4bins，bin size可以自己指定，代码中是3pixels*3pixels。这里说的bin对应到《sift特征提取》中的第4步就是指子区域area。图中的bounding box是sift特征点的范围。

2，计算每个像素点的梯度（同sparse sift），统计每个bin内的像素点在8个方向上的梯度直方图，这样就生成了4*4*8维的sift特征。

在matlab中直接调用vl_dsift:

% 读入图像
I = vl_impattern('roofs1') ;
I = single(vl_imdown(rgb2gray(I))) ;
binSize = 8 ;
magnif = 3 ;
% 得到指定尺度的高斯图像
Is = vl_imsmooth(I, sqrt((binSize/magnif)^2 - .25)) ;
% 计算dense sift
[frame, descr] = vl_dsift(Is, 'size', binSize) ;
% frame中存储每个sift点的坐标，descr存储每个sift点的128维特征向量

主要实现代码在vl_dsift.c, dsift.c中
参数说明：
size: 是每个bin的大小，代码中是3pixels*3pixels
step: patch移动步长
bounds: sift点的区域，含minX, minY, maxX,maxY四个值
norm: 本来是存在frame中的一列，存储descriptor的值的和，用于normalization
geometry: [4 4 8]，在4bins*4bins的范围内，对每个bin统计8个方向的梯度直方图
verbose: 一般bin大小和patch大小都取正方形，也就是长和宽一致，如果打开这个verbose开关，则要对sizeX和sizeY分别赋值。
自定义数据结构在文件dsift.h中：

typedef struct VlDsiftKeypoint_
{
  double x ; /**< x coordinate */
  double y ; /**< y coordinate */
  double s ; /**< scale */
  double norm ; /**< SIFT descriptor norm */
} VlDsiftKeypoint ;

/** @brief Dense SIFT descriptor geometry */
typedef struct VlDsiftDescriptorGeometry_
{
  int numBinT ;  /**< number of orientation bins */
  int numBinX ;  /**< number of bins along X */
  int numBinY ;  /**< number of bins along Y */
  int