介绍
匹配不同图片的特征是计算机视觉常见的问题. 当所有要匹配的图片很相似的时候(大小，方位)，简单的角点检测算子就可以匹配，但是，当你的图片大小，方位不同的时候，你就要用到尺度不变特征变换(scale invariant feature transform).
为什么是SIFT?
SIFT算子不仅仅具有尺度不变特性，你可以改变以下的内容，还可以得到很好的结果：
- scale尺度
- rotation旋转
- Illumination亮度
- Viewpoint视角
下面是一个例子：
我们要查找这些内容：
我们在下面这张图片中查找以上目标
这是结果：
可以看出上面的图片匹配非常鲁棒。大长方形圈出了匹配对象; 小正方形是这些区域内的特征. 注意看大长方形的形状，它和你要匹配的目标在场景图片中的方向和视角是一致的.
SIFT是一个非常复杂的算法. 它涉及到很多处理过程，也很容易让人糊涂. 因此我将整个算法分为以下几个部分， 下面是SIFT算法的主要部分：
- 构建尺度空间
- LOG近似
- 角点匹配
- 去除低质量角点
- 给角点加上方位
- 生成SIFT特征
我可以用SIFT算子做什么？
当你实现了整个算法之后，你就可以得到你图片的SIFT特征. 一旦你有了这些，你可以做任何你想做的:
图片查找，目标检测/识别， 或者你想到的任何东西，这些我们后面会谈到.
但是问题是这个算法是有专利的!
因此，对于学术目的而言，SIFT还是很好的. 如果你在找一些能应用到商业的算法，还是换个方法吧!
这个系列接下来的内容
- 1. 介绍
- 2. 尺度空间
- 3. LOG 近似
- 4. 角点匹配
- 5. 去除低分辨率角点
- 6. 角点的方向
- 7. 生成特征
原文地址：http://aishack.in/tutorials/sift-scale-invariant-feature-transform-introduction/ 作者：Utkarsh Sinha
实现地址：https://github.com/kassol/SIFT/tree/master/src
参考资料：http://www.inf.fu-berlin.de/lehre/SS09/CV/uebungen/uebung09/SIFT.pdf
http://web.eecs.umich.edu/~silvio/teaching/EECS598/lectures/lecture10_1.pdf
http://www.cs.ubc.ca/~lowe/papers/iccv99.pdf
https://stackoverflow.com/questions/19815732/what-is-gradient-orientation-and-gradient-magnitude