SIFT关键点检测

SIFT，即尺度不变特征变换(Scale-invariant feature transform,SIFT)，是用于图像处理领域的一种描述。
这种描述具有尺度不变性，可在图像中检测出关键点，是一种局部特征描述子。
Harris角点具有旋转不变的特性。但是缩放后，原来的角点有可能就不是角点了。

其核心特点：尺度不变特征变换，最经典，精度最高，但计算量最大。

典型应用：图像拼接、3D重建、物体识别。

推荐的场景：精度要求第一，不关心速度的科研或离线处理任务。

SIFT原理
图像尺度空间，在一定的范围内，无论物体是大还是小，人眼都可以分辨出来，然而计算机要有相同的能力却很难，
所以要让机器能够对物体在不同尺度下有一个统一的认知，就需要考虑图像在不同的尺度下都存在的特点。
尺度空间的获取通常使用高斯模糊来实现。
不同的高斯函数决定了对图像的平滑程度，越大的值对应的图像越模糊。

实例代码如下：

import cv2
import numpy as np
from opencv_jupyter_ui import cv2_imshow

img = cv2.imread('./images/hand.png')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#创建sift对象
sift = cv2.SIFT_create()
#进行检测
kp = sift.detect(gray)
# print(kp)
#绘制关键点
cv2.drawKeypoints(gray, kp, img)
cv2_imshow('img', img)

效果图展示如下：