不调用api，代码实现sift算子，并进行全景图片拼接

流程与opencv的sift.cpp大致一样，但不调用api，图片滤波、HOG、图片缩放等均用Python底层实现

import imageio
# 读取拼接图片
imageA = imageio.imread("11.jpg")
imageB = imageio.imread("22.jpg")

imageA = cv2.resize(imageA, (256, 256))
imageB = cv2.resize(imageB, (256, 256))

tools.ShowPict(imageA)
tools.ShowPict(imageB)

# 把图片拼接成全景图
stitcher = Stitcher()
(result, vis) = stitcher.stitch([imageA, imageB], showMatches=True)

tools.ShowPict(vis)
tools.ShowPict(result)

报告内容

Python实现sift（包括滤波缩放等），拼接用opencv，DUT图像处理基础大作业

SIFT概述

• SIFT 算法的特点
• SIFT 算法可以解决的问题
• SIFT 算法步骤

SIFT详细流程及编程思路

• 尺度空间极值检测

  • 高斯模糊
  • 尺度空间理论
  • 空间极值点检测(关键点的初步探查）

• 关键点定位

  • 关键点的精确定位
  • 消除边缘响应

• 关键点的方向分配

  • 幅值和角度
  • 拟合二次曲线过程
  • 关键点结果展示
  • 消除重复的关键点

• 关键点特征描述

  • 确定计算描述子所需的图像区域
  • 将坐标轴旋转为关键点的方向（旋转不变性）
  • 梯度直方图的生成（HOG）
  • 三线性插值
  • 归一化特征向量

• SIFT特点总结

• SIFT参考资料

图片拼接

• 关键点匹配

  • Lowe's算法
  • RANSAC算法
  • 匹配结果

• 图像配准

• 配准结果