说明：本文旨在给出 SIFT 算法的具体实现，而在 SIFT 详解上只是做出简单介绍，在这里可以给大家推荐一篇好文：https://blog.csdn.net/zddblog/article/details/7521424；结合这篇文章和下文的具体代码实现，我相信你能很快掌握并运用 SIFT 算法，加油哦！！！如有疑问大家可以一起讨论学习！！！

一、SIFT算法简介

    SIFT，即尺度不变特征变换（Scale-invariant feature transform，SIFT），是用于图像处理领域的一种描述。这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。该方法于1999年由David Lowe 首先发表于计算机视觉国际会议（International Conference on Computer Vision，ICCV），2004年再次经David Lowe整理完善后发表于International journal of computer vision（IJCV）。截止2014年8月，该论文单篇被引次数达25000余次。

1、SIFT算法的特点

（1） SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；

（2）独特性（Distinctiveness）好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；

（3）多量性，即使少数的几个物体也可以产生大量的SIFT特征向量；

（4）高速性，经优化的SIFT匹配算法甚至可以达到实时的要求；

（5）可扩展性，可以很方便的与其他形式的特征向量进行联合。

2、SIFT算法可以解决的问题

目标的自身状态、场景所处的环境和成像器材的成像特性等因素影响图像配准/目标识别跟踪的性能。而SIFT算法在一定程度上可解决：

（1）目标的旋转、缩放、平移（RST）        

（2）图像仿射/投影变换（视点viewpoint）

（3）光照影响（illumination）

（4）目标遮挡（occlusion）

（5）杂物场景（clutter）

（6）噪声

       SIFT算法的实质是在不同的尺度空间上查找关键点(特征点)，并计算出关键点的方向。SIFT所查找到的关键点是一些十分突出，不会因光照，仿射变换和噪音等因素而变化的点，如角点、边缘点、暗区的亮点及亮区的暗点等。  

二、SIFT算法分为如下四步

1. 尺度空间极值检测

  搜索所有尺度上的图像位置。通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点。

2. 关键点定位

        在每个候选的位置上，通过一个拟合精细的模型来确定位置和尺度。关键点的选择依据于它们的稳定程度。

3. 方向确定

        基于图像局部的梯度方向，分配给每个关键点位置一个或多个方向。所有后面的对图像数据的操作都相对于关键点的方向、尺度和位置进行变换，从而提供对于这些变换的不变性。

4. 关键点描述

        在每个关键点周围的邻域内，在选定的尺度上测量图像局部的梯度。这些梯度被变换成一种表示，这种表示允许比较大的局部形状的变形和光照变化。

三、SIFT具体实现

说明：代码实现主要有七个源文件，我和大家一样有时候下载了好几个资源然而没有一个能用的，导致最后都不知道要下载哪一个、是否要下载；所以这里直接把代码贴出来了！

1、mySift.h

因涉及一些执行语句，禁止写入，请联系客服获取

2、mySift.cpp

因涉及一些执行语句，禁止写入，请联系客服获取

3、 myMatch.h

因涉及一些执行语句，禁止写入，请联系客服获取

4、 myMatch.cpp

因涉及一些执行语句，禁止写入，请联系客服获取

5、 myDisplay.h

因涉及一些执行语句，禁止写入，请联系客服获取

6、 myDisplay.cpp

因涉及一些执行语句，禁止写入，请联系客服获取

7、 main.cpp

因涉及一些执行语句，禁止写入，请联系客服获取

四、SIFT 算法实验结果

1、实验数据

说明：该数据是从网上下载的两个时相影像，左侧为旧时相影像，右侧为新时相影像； 

2、实验结果 

(1)特征点检测结果

（2）最终匹配结果

（3）配准效果 

说明：把两张图像交叉重叠在一起，可以观察其配准效果； 

 五、配置说明

        该结果是在 VS2019 + opencv4.4.0 + Debug x64 环境下跑出来的；

  如果感觉复制麻烦，完整工程见：SIFT算法C++代码实现-C/C++文档类资源-CSDN下载