有关SIFT图像特征点提取算法问题详解，讨论

[ltbing]

大家好，我最近看了一段时间的SIFT图像特征点提取算法，其基本原理已经搞清楚，主要是将图片通过高斯核函数的卷积转化到尺度空间下，然后进行特征点的提取。关于SIFT最经典的论文是LOWE的Distinctive Image Features from Scale-Invariant Keypoints 一文，此文详细的介绍了有关SIFT算法对图片的特征点提取和进行图像匹配的全过程。大家可以参考参考。

但是我在看这篇论文的时候还是遇到了一些问题，在此提出供大家相互讨论讨论，提点自己的看法。

问题：将一幅图像转化到尺度空间下后，也就是在文中提到的DOG后，进行特征点的提取，在提取的时候先是选择一个点与其领域点和上下2张DOG共26个点作比较，选择特征值最大和最小的点。
无法理解的是在总共27个点中选择极值点，那么此点可能在3层DOG中的一层上，那么此点如何取出？下一次递归取点时如何取？？

希望有研究过这方面的高手们指教指教哈。。

[cadinfo]

这个已被研究泛了，不知道你用来做什么？
应该是根据同一scale的不同octave的位置做关联的。

不明白你如何取的意思，遍历所有的像素点，抽取满足极大值条件的点作为特征点，很顺利的思路啊。

[猪的飞想]

好像不是这个意思！是逐点比较！检测出一个点（X,Y）是极值点那么这个点的信息就知道了！

[猪的飞想]

接着说！感觉你理解的不对！不是从27个点里选一个点！是检测一个待确定的点的26个邻域！如果它是极值点那么存上！不是继续判断下一点！

[zhangluyun1]

想问问各位，有没有sift算法的详细代码哈，希望能帮助理解sift算法，谢谢

[xuanzhuantiankong]

我也在研究SIFT算法，对算法还有很对疑问，比如说特征点到底代表什么？有什么几何意义，只是知道通过这样一系列步骤找到特征点用于匹配，而特征点到底是什么呢？还有梯度方向那一块？一个像素怎么会有方向呢？

[try_user1]

特征点就是局部极值点，不仅是图像维极值，而且是尺度维极值。３x３x3的立方体，中心点和剩余２６个点比较。
如果取得极值，则可以计算出特征的长、宽和走向，就是所谓的affine参数。甚至包括特征的高和offset。特征点的方向是极值点主曲率所对应的主方向。就像一个鹅蛋，在桌面上转，因而也就有不同的方向。