SIFT：尺度不變特征變換

      SIFT（尺度不變特征變換，Scale Invariant Feature Transform）是一種在圖像處理和計算機視覺領域廣泛應用的算法，由David Lowe在1999年提出。該算法能夠在圖像的不同尺度、旋轉和光照條件下保持特征不變性，從而提取出獨特的特征點，并用于圖像匹配、物體識別、3D重建等多種任務。

一、SIFT算法原理

SIFT算法主要包括以下幾個步驟：

1、尺度空間極值檢測：

      通過高斯模糊生成不同尺度的圖像金字塔，并計算高斯差分圖（DoG，Difference of Gaussian）。在這些尺度空間中檢測局部極值點作為潛在的特征點。利用泰勒展開式在空間尺度上精確定位特征點，并去除對比度低和邊緣響應強的點，提高特征點的穩定性。

2、關鍵點定位：

      在檢測到的局部極值點中，進一步篩選和定位穩定的關鍵點。這些關鍵點通常是圖像中的角點、邊緣點等具有顯著特征的點。

3、方向分配：

        為了使特征點具有旋轉不變性，需要為每個關鍵點分配方向信息。這通常是通過計算關鍵點周圍區域的梯度方向直方圖來實現的，直方圖的峰值方向被確定為主方向，其他高于主方向一定百分比的方向被判定為輔助方向。

4、特征描述：

      在關鍵點周圍區域生成描述子，通過計算梯度