【opencv学习】SIFT算法的原理和基本使用

一：SIFT算法的原理

我们之前说过了特征的定义：
1）我们将图像中的某个特别的区域作为一个特征。特征是图像中有意义的图像区域，该区域具有独特特性或易于识别性。
2）角点和高密度区域是很好的特征，而大量重复的区域或低密度区域则不是很好的特征。边缘可将图像分为两个区域，因此也可作为好的特征。
3）斑点也是有意义的特征。

今天我们来看看SIFT（Scale Invatiant Feature Transform）算法的计算过程
我们先来介绍下这个SIFT的思想哈，这个算法是为了检测一张图像的特征，这个特征有啥用呢？我们识别一张图像的信息就是从关键的特征点来识别的，比如我们看一个人的图片，不管这个人有多远（近大远小），或者哪怕距离一定而清晰程度不一样，我们几乎都能辨别出来，或者这张照片中人的身体是倾斜的也能认出来哈，都是基于特征辨识的。

属于一张原始图像I(x, y)，我们将按照下面步骤进行特征点检测。





测试代码如下：

import cv2
import numpy as np


# 展示图像，封装成函数
def cv_show_image(name, img