一些图像基本算法的了解1（SIFT,HOG)

本文链接：https://blog.youkuaiyun.com/CHNguoshiwushuang/article/details/81266791

本文介绍了计算机视觉中的两种重要图像特征提取算法——SIFT和HOG。SIFT（尺度不变特征变换）能提取位置、尺度、旋转不变量，通过构建DOG尺度空间、检测极值点、确定主方向和生成描述子来实现。HOG（方向梯度直方图）通过计算局部区域梯度方向直方图，对图像进行归一化、梯度计算、直方图构建和归一化处理，以抵抗光照和形变影响。两者的区别在于SIFT基于关键点，HOG则对图像小块进行统计分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

研究生的方向是计算机视觉和图像处理，虽然现在基本都是依赖深度学习的方法，但是传统的一些图像算法里的一些概念还是要简要了解一些，深入理解可以查看链接参考大佬们写的教程。

SIFT

SIFT的全称是Scale Invariant Feature Transform，即尺度不变特征变换。SIFT可以提取位置、尺度、旋转不变量，具有极好的稳定性，具体关于SIFT的了解可以参考这些：1.https://blog.youkuaiyun.com/weixin_38404120/article/details/73740612 2.https://www.cnblogs.com/wangguchangqing/p/4853263.html 等。SIFT的主要过程是这样的：
1.构建DOG尺度空间，并检测极值点。首先构造DOG尺度空间，使用不同的高斯模糊获得不同的尺度空间，通过不同的尺度空间获得在不同尺度上获得不同尺度都存在的特征点。特征点检测一般使用LoG算子，但是这种方法计算量较大，所以在实际过程里使用DoG(差分高斯)来近似计算LOG,通过计算同一层不同的高斯模糊图之间的差来得到LoG空间，并在对多个该空间下图像比较得到极值点（即大于或小于所有相同尺度和相邻尺度所有的相邻点）。
2.删除不稳定的极值点。这里主要是去除低对比度的特征点和不稳定边缘的特征点，本质是通过尺度LOG函数拟合极值点，去除DOG局部曲率不对称的点。对于前者，通过泰勒展开式去除变化小于某阈值的部分，对于后者，去除最大