SIFT尺度不变特征匹配算法

图像匹配里头，SIFT 算法真的算是老江湖了，特点就是尺度不变性。不管你图片是旋转了、缩放了，甚至光照不一样，它都能稳稳找出图像的关键特征点，匹配效果挺稳的。哦对，最早是 David Lowe 搞出来的，后来不断优化，现在多图像任务都少不了它。

整个流程分几步：先找图像里那些尺度空间的极值点，精细定位这些点，给每个点分配方向信息，搞出一组子。说人话就是——它不但能看见图，还能“记住”图长什么样。

你在做图像拼接、目标识别或三维重建的时候用它，基本不容易出错。尤其当图像变化比较大的时候，比如角度有偏差、光照有变化，用 SIFT 真挺省心。

要用的话，网上源码资源还蛮多的，像下面这些链接我觉得还不错：

• SIFT python 尺度不变特征变换源码
• 尺度不变特征提取 sift matlab 代码
• 尺度不变特征变换匹配算法 Scale Invariant Feature Transform SIFT

如果你正好在做一些图像识别相关的项目，想找个稳定靠谱的局部特征算法，SIFT可以放心冲。要速度快的也有优化版本，比如 SURF 和 ORB 也可以对比下看适合哪种。