SIFT(3)——算法流程，此部分结束

1.对原图像使用不同参数的高斯函数对图像进行卷积，得到一组Octave；相邻的图像相减得到一组DoG；
2.并把第一张Octave下采样重复步骤1；
3.使用不同尺度的DoG进行关键点检测；
4.在不同的尺度进行关键点方向分配；
5.以步骤4中的关键点的主方向为坐标轴方向，并记录一个指定范围内所有像素点的梯度方向（局部图像梯度），形成关键点描述符；
6.以一个图像中的关键点描述符去匹配另一个图像中的关键点描述符，设置一个阈值，并通过关键点描述符的欧式距离来比较关键点是否在阈值内

---

本算法最大的亮点应该是关键点方向提出，并以此为依据计算出了一个叫做：关键点描述符 的东西，这个东西是真的能很好的检测关键点的特点，并不受很多噪音的影响，所以该算法可以很好的（鲁棒性强）进行关键点的匹配，而关键点匹配可以用在图像识别上，妙哉。

---

经过了两周时间，终于把这个算法搞明白，这也是我第一个搞懂的算法，虽然有很多细节不清楚，但是算是大体上完工了。