SIFT的来龙去脉-&- 个人代码实现(opencv3;C++)

/*
*copyright : 刘振.南京大学
*time : 2018.07.20
*/

SIFT（Scale Invariant Feature Transform）是一种提取图像中稳定特征点的算法，具有。它在1999年由David.G.Lowe提出，并于2004年改进，想精准理解SIFT思想的童鞋建议阅读一下论文 ，Lowe论文地址：http://www.cs.ubc.ca/~lowe/papers/ijcv04.pdf 。

内容简介：
1. 角点检测
2. 尺度、图像金字塔
3. LOG、DOG算子
4. sift的流程概述
5. sift细节点
6. 代码实现

一、角点检测

这个暂时不多说，参考这篇博客。https://blog.csdn.net/linolzhang/article/details/54342610

二、尺度空间

{ 尺度，一般表示物体的尺寸与尺码，也用来表示处事或看待事物的标准。
} ———以上摘自百度百科。

尺度是特征的尺度，离开尺度谈特征都是耍流氓。拿山水图举个例，“此处有座山”是在一个宏大的尺度上提取，而“此处有个人” 尺度就相对很小，“此处有个蚂蚁”就是更小的尺度了。 提取”山“这个大尺度特征，要求我们忽略小尺度细节，这里到底有没有人、有没有蚂蚁这些细节都不影响结果。因此提取图像特征、或者确定特征点都是在一定尺度上进行的，可将尺度看作特征的一个参数。
当然上一段是人类大脑思考的过程，具体图像处理中，我们的特征提取算子都是基于固定像素级别、且对所有图所有位置所有像素权值共享的（事实上sift中 特征点检测算子的大小固定、特征描述算子的大小有所浮动）。也就是说对所有图算子提取的尺度都几乎相同，这可如何是好？
不打紧，既然特征大小固定、那就改变图像，两种方法。1）滤波，一般采用高斯滤波。滤波会消除图像的细节、增大算子的感知野。相当于变相增加了算子提取的特征的尺度。2）缩放图像。算子f 提取的1/2大小图像特征，相当于原图中两倍尺度的特征。 采用高斯模糊和图像缩放组合生成的一系列图，使得同样的算子能提取原图的不同尺度特征，我们将这些尺度称为 对应的图像的尺度。

必须一提的是，在sift中图像的尺度统一由高斯滤波的程度σ来度量，图像1/2下采样并改变其尺度，原因是因为：1）sift中特征描述算子的”宽度大小”并不固定，而是与图像的大小、图像的尺度成线性关系。假设图像a特征描述算子宽度为L，下采样图像b尺度不变，算子宽度为L*1/2*1=L/2。 L/2在b中提取的特征的尺度 和L在a中提取的特征的尺度是一样的。
2）经过足够程度的高斯模糊，局部细节已经完全抹去，下采样不会损失任何细节。

至此，我们将特征的尺度变成了图像的尺度，并为SIFT高斯金字塔的定义做好了铺垫。