獲取特徵點後，sift用方向梯度直方圖描述每個特徵點的特徵。
首先計算每個特徵點的梯度幅度和方向：
然後計算特徵點周圍16x16範圍的每個點的梯度方向，對其中上下左右每4x4的區域，統計區域內各點的方向梯度直方圖。
直方圖把360度角劃分為36個bin，計算前先用高斯平滑削弱邊緣的影響。16x16點的梯度方向在進行直方圖統計前先按特徵點的「主方向」旋轉，以獲取旋轉不變性特徵。
以下是opencv中sift的簡單應用：
目標跟蹤的點跟蹤技術 1
目標跟蹤技術按實際跟蹤物件可以分為點跟蹤和塊跟蹤。所謂點跟蹤就是在初始影象幀的目標上找一些具有跟蹤價值的點，用點周圍的一小塊區域的特徵對其進行描述，在後續的影象幀中根據特徵描述尋找這些點移動到的新位置。這裡需要解決三個問題。特徵點選擇 特徵點描述和特徵點匹配。首先談一下特徵點選擇。用於跟蹤的特徵點周...
目標跟蹤的塊跟蹤技術 1
之前在點跟蹤技術中介紹了兩種不同的跟蹤理論。一種是假設每個特徵點在前後兩幀的亮度是不變的，這就是光流法，但是大部分實際跟蹤問題都不能完全滿足這個假設。另一種是承認每個點是可變的，但變化是極小的，而且該點周圍的乙個鄰域的變化都是極小的，於是把點跟蹤變成塊匹配問題。實際上大部分跟蹤方法是不提取特徵點，而...
目標跟蹤方法 基於輪廓跟蹤
一 理論 該方法的基本思想是使用一組封閉的輪廓曲線來表徵目標，將曲線作為模板，在相鄰幀的邊緣影象中匹配並跟蹤該模板。該方法與基於區域的跟蹤方法相類似，都存在目標模板匹配和目標模板更新兩個環節，但是該方法是在二值化影象中匹配目標的輪廓模板，大大減小了計算量，提高了匹配的速度。主動輪廓模型方法是近些年來...