SIFT解析（三）生成特征描述子

以上两篇文章中检测在DOG空间中稳定的特征点，lowe已经提到这些特征点是比Harris角点等特征还要稳定的特征。下一步骤我们要考虑的就是如何去很好地描述这些DOG特征点。

-----------------------------------------------------------------------------------------------------------------------------------------------------------------

------------------------------------------------------------------------------------------------------------------------------------------------------------------

下面好好说说如何来描述这些特征点。许多资料中都提到SIFT是一种局部特征，这是因为在SIFT描述子生成过程中，考虑的是该特征点邻域特征点的分布情况（而没有利用全局信息）。本步骤中主要计算过程包括：确定特征点的方向和生成特征描述符。

确定特征点方向

在特征点的确定过程中，特征点的坐标以及尺度被确定下来（坐标很重要，尺度更重要，到后来，你会发现尺度这个参量在整个描述子生成过程中越来越重要，因为正是运用尺度参量实现的Scale-Invariant，尺度不变！），根据特征点的尺度选择高斯金字塔中的图像，然后在这幅图像上确定该特征点的方向。这里体现的正是尺度不变的思想。

特征点方向的确定基于统计信息，以该特征点为中心，考察与该特征距离为**像素的梯度方向和梯度的幅值，梯度的方向和