学习cv2实现SIFT和ORB算子原理

SIFT算法分为如下四步：

尺度空间极值检测：遍历各个尺度下的图像定位。利用高斯导数算子来进行对尺度与旋转不变特性的兴趣点检测。

关键点确定：对于每一个候选的位置，在每一个位置上应用一个精细拟合的模型以判定位置与尺度。基于其稳定性选择关键点。

方向确定：基于图像局部区域的方向导数，在每个关键点上设定一到多个方向指标。随后的所有图像数据处理操作均基于关键点的方向、尺度及位置信息展开，并通过该处理使得该方法对于这些变换具有不变性

关键点描述：在每个关键点周围的邻域内，在预设的标准范围内评估图像局部区域的梯度值。通过特定转换过程将这些梯度值转化为一种表征形式，在此表征下能够有效应对较大的局部形状变形以及光照变化带来的影响。

核心概念是在图像信息处理模型中引入一个被视作尺度的参数。通过这一参数的变化可以获得不同尺度下的表示序列。随后完成对这些序列的主要轮廓提取，并将其作为特征向量来实现边缘检测、角点识别以及多分辨率上的特征提取。

方向直方图原理：为了实现描述符对旋转具有不变性这一目标，在每个关键点处确定其基准方向以利用图像细节特性。通过计算图像梯度来获取局部结构的方向信息，并在此基础上确定关键点区域的方向分布特征。在DOG（Difference of Gaussians）金字塔检测到的关键点周围，在对应的高斯金字塔3σ邻域