学习图像到图像的映射

一、SIFT原理描述
Sift特征匹配算法可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，具有很强的匹配能力。
Sift特征匹配算法主要包括两个阶段，一个是Sift特征的生成，即从多幅图像中提取对尺度缩放、旋转、亮度变化无关的特征向量；第二阶段是Sift特征向量的匹配。
Sift特征的生成一般包括以下几个步骤：
1、构建尺度空间，检测极值点，获得尺度不变性；
2、特征点过滤并进行精确定位；
3、为特征点分配方向值；
4、生成特征描述子。

二、α通道的原理描述
1.α通道在电脑图形中，每个象素都包含三个色彩信息通道–红、绿、蓝，在24位的图形中，每个通道又包含了8位色彩深度。如果 图形卡具有32位 总线，附加的8位信号就被用来保存不可见的透明度信号以方便处理用，这就是Alpha通道。白色的alpha象素用于定义不透明的彩色象素，而黑色的alpha象素用于定义透明象素，黑白之间的灰阶用来定义半透明象素。因此，α通道,除RGB或CMYK以外的8位的通道,使用α通道可使图像由不透明渐变到透明。
2.α通道是一种让3D物件产生透明感的技术。屏幕上显示的3D物件，每个像素中有红、绿、蓝三组数值。若3D环境中允许像素能拥有一组α值，我们就称它拥有一个α通道。α值的内容，是记载像素的透明度。这样一来使得每一个物件都可以拥有不同的透明程度。比如说，玻璃会拥有很高的透明度，而一块木头可能就没什么透明度可言。α混合这个功能，就是处理两个物件在萤幕画面上叠加的时候，还会将α值列入考虑，使其呈现接近真实物件的效果。

三、仿射扭曲的简单例子，将图像放置在另外一个图像中，使得他们能够和指定的区域或者标记物对齐。（使用集美大学实拍图ÿ