图像拼接： sift 的理解

看了几天的 sift 也算是对它有一了点的了解　这里描述了我对它的理解！

sift 就是为了图像特征比较作的算法．它主要就是为了用数学的方法描述：图像中特定点周围一块区域,　从而能够比较这块区域与另外一块区域的差别．

下面是详细一点讲述如何描述这个数学方法:

1. 数据结构:　这个区域在sift中选的是 4*4 也就是16个点或者说区域．而后按8个方向进行直方图统计．　晕了吧！

　　　　　　　double feature[4][4][8];　其实就是它..... (0,0)-(3,3) 区域内　8个不一样方向的值累加起来

 

2. 再说它的特性：　位置、尺度以及方向 的不变性 (这个好专业，更晕)

                   解释一下：　位置不变,就是说，　你不可能把图像每一点都弄成特征点，因此你要找一个有表明性的点，而这个点，无论用什么图像都要能够提取出来．

　　　　　　　　　　　　(其实能够不用，多提一些，总有一些特征点相同．)　就是说二张图像有重合部分，你提出的二张重合部分的特征点要同样，否则如何比较呢．

　　　　　　　　　　　　　尺度不变：　二张图像，拍的桌比，有可能大，有可能小，因此你得把这状况考虑到．作法就是　把图像多复制几份，而后放大缩小，这样就能够了

                                     方向不变:   就是处理对同一个桌子拍照有可能手一抖，相机拿歪了，　这状况．　　SIFT 的处理就是选方向(直方图，最大的 80%方向，可能有不少因此要把这个点复制几份) ，而后以这个方向作１中所说的特征提取．

　　　　　　　　　　　　　还有什么光照不变: 专业讲法就是 用那个什么 DOG金字塔．　讲白点，就是用　图像的梯度图来作....(什么是梯度？ 就是 (x1 - x0) + (y1 -y0)  ）看不懂就看下图像处理基础吧！　

 

3. 这样几个问题就都解决了．若是你想加上什么仿射变性，也无非就是把图像的缩放的2*2缩放矢量，变成 3*3图像变换矢量.

 

我这里讲的简单，但实际实现仍是有不少细节问题要处理的．好比说什么 dog　算子对梯度值敏感，为何要模糊，之类，只要理解了就比较好处理了．不过不理解为何用高斯模糊，为了高大上吗？　理解了就比较好编程了，　再也不用看　opencv 里面　那高深的源码．　真心头晕！