图像的拼接

（1）sift算法，主要用于获取图片的特征点。            

    def detectAndDescribe(self, image):
        # 将彩色图片转换成灰度图
        gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

        # 建立SIFT生成器
        descriptor = cv2.xfeatures2d.SIFT_create()
        # 检测SIFT特征点，并计算描述子

        (kps, features) = descriptor.detectAndCompute(image, None)
        
        # 将结果转换成NumPy数组
        kps = np.float32([kp.pt for kp in kps])

        # 返回特征点集，及对应的描述特征
        return (kps, features)

 kps是一个列表，列表中的元素是keypoint 类，该类有

pt：特征点的坐标（x,y）

angle:特征向量的角度等属性

feature是一个128维的数组。

sift过程简介：

                   （1）构建高斯金字塔，每一层有多张图，为一组，是下层输出通过不同的高斯核得来。越往上，通过降采样来获取新的图

                     (2)构建差分金字塔，没组中的相邻的图相减

                     (3)相邻3层中找出极小值，由于是离散的