sift角点检测算法

SIFT（尺度不变特征变换，Scale-Invariant Feature Transform）是一种广泛使用的计算机视觉算法，用于检测图像中的关键点并提取其描述符。该算法由David Lowe在1999年提出，它具有以下几个核心特性：

1. **尺度不变**：SIFT能够适应输入图像的不同尺度变化，通过缩放空间金字塔处理来保持特征的稳定性。

2. **旋转不变**：通过霍夫变换找到局部极值点，并计算主方向（orientation），使得特征对小角度旋转有较强的抗扰能力。

3. **对比度不变**：通过高斯差分算子寻找边缘和角落，以及选择具有良好对比度的像素点作为关键点。

4. **描述符**：对于每个关键点，SIFT会生成一个固定长度的描述符，通常包含128维，这些描述符包含了关键点周围的局部图像信息，便于后续匹配和识别。

SIFT算法分为四个步骤：
1. 尺度空间极值检测：构建金字塔结构，查找每个尺度上的极值点。
2. 关键点定位：细化极值点的位置、大小和主方向。
3. 描述符生成：在关键点周围选取邻域，通过高斯差分算子计算梯度方向直方图。
4. 归一化：标准化描述符，提高匹配的鲁棒性。