首先，如果開始就看公式的話會蒙，因此我首先看到一篇博文，這篇文章對sift演算法做了通俗易懂的解釋。
看完這篇文章後對sift演算法有了感性的認識，之後我又看到了一篇寫得特別詳細的部落格。通過這篇文章對sift演算法的原理和基本步驟有了更好的認識。
以上兩篇部落格對我的幫助很大！
以上兩篇部落格都沒有關鍵點匹配這一步驟。因此以下鏈結為其他內容的補充。
匹配過程中的關鍵技術kdtree的原理詳解見如下部落格
經過以上內容的學習已經對sift演算法產生較為正確深刻的理解，如果還是想繼續仔細的了解sift演算法的實習細節，那麼就要研究sift演算法的**了。
感謝以上部落格的作者的出色工作！
SIFT演算法學習
這篇文章參考了utkarsh的部落格，感覺他對sift的理解非常深刻，傳送門在此 sift utkarsh sift學習 1.sift scaleinvariant feature transform 不同影象間的特徵匹配是計算機視覺中的乙個焦點，如果是大致相似的 同樣的尺寸，同樣的方向 簡單的角點...
SIFT演算法學習（1）
1.尺度引數 尺度英文名scale，直觀理解就是比例或者縮放。針對一幅影象，例如我們使用邊緣檢測運算元，以畫素為單位進行處理，這裡的尺度就是畫素級別。在現實世界，物體距離人眼遠或者近，距離遠了，尺度大，只能看到物體的輪廓 距離近了，尺度小，能看到物體的細節。在數字影象領域，不同的影象尺度，是由不同大...
SIFT演算法學習（2）
3.sift sift全稱為 scale invariant feature transform 即尺度不變特徵變換。sift演算法提取的 sift 特徵具有如下特性 sift特徵是影象的區域性特徵，其對旋轉 尺度縮放 亮度變化保持不變性，對視角變化 放射變換 雜訊也保持一定程度的穩定性。獨特性好，...