SIFT的提取过程和代码逻辑过程

sift的特征检测和描述子的形成过程

1. 首先通过构造高斯的尺度空间，将图像和高斯函数进行卷积，通过设置不同的方差来模拟人眼不同尺度的变化。
2. 通过差分高斯进行代替拉普拉斯算子，并设置相邻尺度空间的比例系数，并关联两组之间的关系，上一层的第一层是由下一层的倒数第三层降采样得到。
3. 通过比较当前像素和周围8个像素，上下18个像素，一共26个像素的灰度值，判断是否为极值，以及通过插值和特征值来调整和改变特征点的位置和质量。
4. 最后通过图像的梯度直方图的形式来选取特征点的主方向和辅方向，通过邻域的方式进行360度10度一等分方向的幅值累加，最后进行高斯权重的累加。得到的直方图再进行一定的平滑处理，能找到一个主方向，如果又幅值大于0.8倍的主方向幅值，且为极值那么可以作为辅方向。
5. 描述子形成时，将坐标轴先进行主方向的旋转，划定一个4* 4的窗口统计其360度45度一划分的各个方向的幅值，得到最后4* 4* 8=128维的描述子的特征向量。

sift特征提取和描述子形成代码逻辑

1. 开始创建高斯金字塔以及其相关的属性，定义超参系数，遍历金字塔生成不同组不同层的，构建DOG金字塔
2. 遍历后相减，然后在DOG尺度空间找到极值点，遍历所有层数组数后对比26个值是否为极值，然后局部调整极值的位置，用插值和hessian矩阵的迹和行列式进行阈值的判断 并保存所有信息
3. 然后计算特征点方向，计算xy轴方向导数以及高斯加权，计算邻域所有的权值，幅角幅值，计算梯度直方图和角度范围，得到直方图并平滑，圆周循环看是否有辅方向。
4. 最后计算描述子，遍历所有特征点，遍历特征点邻域范围，计算旋转坐标，将坐标移至左下角，计算梯度幅角幅值，以及权值，得到坐标和范围正方体的小数部分，根据三线性插值计算贡献值，然后圆周循环得到4* 4* 8=128维向量，归一化对比阈值去除光照影响。