SIFT 尺度不变特征变以及Harris对比

SIFT 尺度不变特征变
一、关于SIFT的基本原理
1.Scale-space extrema detection
尺度空间极值检测
首先要获得高斯金字塔，所谓高斯金字塔就是图片在不同的尺寸下进行高斯模糊操作后的图片， 为了寻找图片的特征点，首先得找到图片不同尺度空间中的极值，这些极值通常都出现在图片边缘或者灰度突变的地方，所以要对高斯模糊后的图片进行差分，差分后可以得到高斯模糊后的差分图像，然后在差分图像中找极值点。
2.Keypoint localization
关键点定位
由于图片的坐标是离散的，但是精确定位需要经过曲面拟合，通过差值来找到极值点的位置。
3.Orientation assignment
方向赋值
首先要计算关键点附近各个像素之间的梯度方向和梯度赋值，通过统计各个方向来确定极值点。
4.Keypoint descriptor
关键点描述
通过高斯圆对内部梯度方向和赋值进行统计，把高斯圆分成小的区域，每个小的区域中统计梯度在不同方向上的赋值的累计直方图。
二、Harris角点检测器
如果像素周围显示存在多于一个方向的边，我们则认为该点为兴趣点，，该点就是角点。
下图为代码运行结果：

下图为图形结果，第一张图为原图，第二张为Harr