OpenCV - SIFT 算法

SIFT（Scale-Invariant Feature Transform，尺度不变特征变换） ，由 David Lowe 在 1999 年提出，2004 年完善。核心亮点：图像特征具有尺度不变性、旋转不变性，光照、视角小幅变化也比较鲁棒，广泛用于图像匹配、拼接、目标识别、三维重建。

专利已于 2020 年过期，现在可以自由商用。

一、SIFT 四大步骤

1. 构建尺度空间，检测极值点（关键点候选）

目的：找到图像在不同尺度下都存在的特征点，实现尺度不变。

高斯金字塔 ：对原图不断高斯模糊 + 下采样，得到多分辨率图像，每一层称为一个八度 (octave) 。
DOG（Difference of Gaussian，高斯差分） ：同一八度内，相邻两层高斯图像相减，得到 DOG 图像。

$D(x,y,σ)=L(x,y,kσ)−L(x,y,σ)D(x,y,\sigma)=L(x,y,k\sigma)-L(x,y,\sigma)$ D(x,y,σ)=L(x,y,kσ)−L(x,y,σ) 3. 空间极值检测：每个像素和同层 8 邻域 + 上下两层各 9 个点，一共 26 个点比较，若是最大 / 最小值，即为候选关键点。

DOG 近似高斯拉普拉斯 LoG，计算更快。

2. 关键点精确定位 + 剔除不稳定点

候选极值很多是噪声、边缘弱点：

用泰勒展开拟合 DOG 函数，对候选点做亚像素精度修正，得到精确坐标、尺度。
去除低对比度点：泰勒展开值过小，容易受噪声干扰。
去除边缘响应点：利用 Hessian 矩阵，计算主曲率比值，滤除沿着边缘的不稳定点（这类点定位差）。

3. 关键点方向分配（旋转不变性来源）

在关键点所在尺度的高斯图像上，取局部邻域：

计算邻域像素梯度幅值与梯度方向

$m= (Lx)2+(Ly)2 ,θ=arctan⁡2(Ly,Lx) m=\sqrt{(L_{x})^2+(L_{y})^2},\quad \theta=\arctan2(L_y,L_x)$ m=(Lx)2+(Ly)2 ,θ=arctan2(Ly,Lx)

梯度方向做直方图统计（36 个 bin，每 10°），直方图峰值为主方向；大于峰值 80% 的作为辅方向。

一个关键点可以有多个方向，提升鲁棒性。后续描述子生成时，邻域坐标按这个主方向旋转，保证旋转不变。

4. 生成 SIFT 特征描述子

对关键点邻域，按主方向旋转，取 16×16 像素窗口，划分成 4×4 个子块；每个子块内统计 8 个方向梯度，得到 $4×4×8=1284\times4\times8 = \boldsymbol{128}$ 4×4×8=128 维向量。

向量归一化，降低光照影响；
截断大于 0.2 的值再归一化，抑制对比度突变。

👉 最终：每个关键点 = (坐标x,y,尺度σ,方向θ,128维描述子)

二、特征匹配

两张图提取 SIFT 特征后做匹配：

对图 A 的每个描述子，在图 B 描述子集合中找最近邻、次近邻；
Lowe 比率测试 ：最近邻距离 / 次近邻距离 < 阈值（常用0.7），认为是正确匹配；
再用 RANSAC 剔除外点（误匹配对），求解单应矩阵 H。

三、优缺点

✅ 优点

尺度、旋转不变；对光照、微小视角变化鲁棒；
特征点位置稳定，适合图像拼接、SLAM、三维重建。

❌ 缺点

计算量大，速度慢，不适合实时场景；
对大视角形变、严重遮挡效果一般；
描述子维度高 (128 维)，存储和匹配开销大。

四、相关衍生算法

SURF：加速版 SIFT，用盒式滤波近似高斯，速度更快；
ORB：FAST 关键点 + BRIEF 描述子，二进制描述子，速度远快于 SIFT，无专利，SLAM 最常用；
AKAZE：非线性尺度空间，对边缘保持更好。

五、OpenCV 极简 Python 示例

OpenCV 4.4+ 可直接使用 SIFT

ini 复制代码

import cv2
import numpy as np

img1 = cv2.imread("img1.jpg", 0)
img2 = cv2.imread("img2.jpg", 0)

# 创建sift
sift = cv2.SIFT_create()
# 检测关键点+计算描述子
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

# FLANN匹配器（适合高维描述子，比暴力匹配快）
FLANN_INDEX_KDTREE = 1
index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
search_params = dict(checks=50)
flann = cv2.FlannBasedMatcher(index_params, search_params)

matches = flann.knnMatch(des1, des2, k=2)

# Lowe比率筛选
good = []
for m, n in matches:
    if m.distance < 0.7 * n.distance:
        good.append(m)

# 绘制匹配结果
res = cv2.drawMatches(img1, kp1, img2, kp2, good, None, flags=cv2.DrawMatchesFlags_NOT_DRAW_SINGLE_POINTS)
cv2.imshow("SIFT match", res)
cv2.waitKey(0)
cv2.destroyAllWindows()