sift中文名為尺度不變特徵變換，我不知道為什麼叫這個名字，我覺得叫尺度變換特徵不變更合理。即sift特徵提取出來的影象的區域性特徵，其對旋轉、尺度縮放、亮度變化保持不變性，對視角變化、仿射變換、雜訊也保持一定程度的穩定性。大白話就是無論怎麼剪裁，旋轉，提取到的特徵點還是那些。
尺度就是的大小，即在不同尺寸上對提取極值點，這個極值點就是特徵點。
上圖左邊很明顯的分為較大和較小的兩部分，代表著同乙個的不同尺寸，這個尺寸變化是通過降取樣實現的，簡單來說就是對一定區域內的畫素點取平均值，用這個平均值代替這個區域內的畫素，以此實現縮小的目的。兩部分中又包含5個尺寸相同的，這五個雖然尺寸相同，但是模糊程度不同，那麼怎麼讓變模糊呢？通過高斯函式。通過設定不同的尺度空間座標σ，來讓的模糊程度不同。上圖左邊只有兩組，實際上組數可能更多，很想金字塔，因此稱為高斯模糊金字塔。
上圖左邊兩組內兩兩「相減」，得到右邊的藍色部分，這個「相減」稱為高斯差分，看名字就像個包含數學的複雜的過程，博主最頭痛數學了。
右邊的到的金字塔稱為高斯差分金字塔。
得到高斯差分金字塔後，開始最重要的步驟：檢測極值點。
如圖，叉點是我們待檢測的點，將叉點與其周邊、上下層一共26個點進行比較，這裡又是一番數學的東西，令人頭疼。反正一通操作猛如虎，極值點就算出來了。
下圖是以上全過程的例項。感受一下高斯模糊和高斯差分的結果。
通過第1步算出了極值點，然而影象的畫素點是乙個乙個的，學名叫「離散」。而真正的極值點是在連續的「線」上找到的，比如在sinx函式上找極值點，假如你只有sinx影象上0、π/3,、π這三個點，那我們找到的極值點是π/3，而實際的極值點應該是π/2上。影象找到的極值點也類似，我們需要對影象上的點擬合乙個連續的函式，找到真正的極值點。
經過上一步，我們找到了很多極值點，這個極值點反應在影象上一般是物體的邊緣、明暗對比比較強烈的地方。接下來確定極值點的方向。
首先在找到的極值點周圍畫個圈，類似這樣。箭頭暫時先不用管。
然後我們對圓圈內所有的點求方向，那麼什麼叫點的方向呢？請看下圖。
圖中target pixel就是我們要求方向的點了，圖中點的畫素值和座標已經標出。接下來又是數學問題，這次的數學問題比較簡單，我們只要相減就夠了。就像這樣。
得到了差值之後，再計算arctan值，得到的角度就是方向了。
還可以求影象梯度。
剛才上圖圓圈中的箭頭就是這麼來的了，箭頭的長度根據的是影象梯度。
將箭頭不同方向的數量統計一下，箭頭數量最多的就是主方向了。有時候會把數量第二多的方向作為輔方向。
最後一步就是描述得到的關鍵點資訊。上圖是取得是8×8的範圍，實際上sift取得是16×16的範圍。
其中劃分為4×4的大方格，統計每個大方格中各個方向的數量。
近似取8個方向，方向的數量以箭頭長短表示。那麼16個格仔，每個格仔8個方向，一共需要16×8=128個描述。因此，每個sift特徵點是用128維的向量表示的，乙個有n個特徵點，那麼描述這個的矩陣就是n×128維。
由於sift演算法的關鍵點選區，經過了的尺寸放縮、模糊，特徵描述向量裡也包含了方向，因此它對一些常見的影象攻擊具有魯棒性。
同一截圖比對
同一的旋轉比對，有點亂但感覺好像還行哈哈哈哈。
想跑一下**試試的朋友們可以去github上搜sift，**有很多，我也是github上找的。
通俗的解釋一下正規化
正規化是什麼呢？比如拷貝來一段瞅瞅 正規化是符合某一種級別的關係模式的集合。關聯式資料庫中的關係必須滿足一定的要求，滿足不同程度要求的為不同正規化。我知道不用說，你肯定一臉懵逼！因為我也是！下面我就通俗的來解釋一下三大正規化吧，不喜勿噴，個人理解 第一正規化 其實就是讓列保持原子性，原子性就是不能再...
解釋一下numa
numa 非一致性儲存 當多個處理器訪問同乙個儲存器時，會有效能損失，numa通過提供分離的儲存器給各個處理器。numa系統的結點通常是由一組cpu和本地記憶體組成，有的結點可能還有i o子系統。由於每個結點都有自己的本地記憶體，因此全系統的內存在物理上是均勻分布的，每個結點訪問本地記憶體和訪問其它...
通俗的解釋一下湧泉碼的工作思想
要想充分理解湧泉碼我們先來講一下傳統的方式 傳送端和接收端雙向溝通，傳送端給接受端傳送乙個包，接收端接受成功以後會反饋乙個確認資訊ack，說明我已經收到了，但是，當使用者量非常大的時候，ack越來越多，就會產生反饋風暴，造成堵塞。之後我們就來介紹一下湧泉碼 圖為簡單的原理圖 先來通俗的解釋一下，首先...