sift演算法特徵點提取

A. SIFT演算法提取特徵點，怎樣得到正確的特徵點空間坐標，網上實現的程序里loc(i,1),loc(i,2)說是特徵點的坐標

為了更加准確，大衛勞氏推薦用了subpixel也就是子像素坐標，
但是這里的話你直接取整形就是了。
有warning能通了不就行了？

B. 網上找到的SIFT特徵提取代碼，怎麼使用

這是源碼里針對找到圖像特徵點進行聚類的函數，運行到這里sift演算法已經結束了。可以試著吧調用kmeans演算法的部分注釋掉，只執行sift演算法然後打出來特徵點看一下效果。我也不明白在一張圖像上對特徵點聚類的意義何在。對多張圖像聚類還有意義。

C. 網上找到的SIFT特徵提取代碼，怎麼使用

哈哈，我有一個基於opencv實現的sift，我把代碼貼出來，你自己看看吧~~~

void sift_detector_and_descriptors(IplImage* i_left,IplImage* i_right)
{
Mat mat_image_left=Mat(i_left,false);
Mat mat_image_right=Mat(i_right,false);
cv::SiftFeatureDetector *pDetector=new cv::SiftFeatureDetector;
pDetector->detect(mat_image_left,left_key_point);
pDetector->detect(mat_image_right,right_key_point);
Mat left_image_descriptors,right_image_descriptors;
cv::SiftDescriptorExtractor *descriptor_extractor=new cv::SiftDescriptorExtractor;
descriptor_extractor->compute(mat_image_left,left_key_point,left_image_descriptors);
descriptor_extractor->compute(mat_image_right,right_key_point,right_image_descriptors);
Mat result_l,result_r;
drawKeypoints(mat_image_left,left_key_point,result_l,Scalar::all(-1),0);
drawKeypoints(mat_image_right,right_key_point,result_r,Scalar::all(-1),0);
//imshow("result_of_left_detector_sift",result_l);
//imshow("result_of_right_detector_sift",result_r);
Mat result_of_sift_match;
BruteForceMatcher<L2<float>> matcher;
matcher.match(left_image_descriptors,right_image_descriptors,result_of_point_match);

drawMatches(mat_image_left,left_key_point,mat_image_right,right_key_point,result_of_sift_match,result_of_sift_match);
imshow("matches_of_sift",result_of_sift_match);
imwrite("matches_of_sift.jpg",result_of_sift_match);
}
void main()
{
IplImage *n_left_image=cvLoadImage("D:\\lena.jpg");
IplImage *n_right_image=cvLoadImage("D:\\lena_r.jpg");

sift_detector_and_descriptors(n_left_image,n_right_image);

cvWaitKey(0);
}

這就是核心代碼了，至於opencv所要用到的庫，你自己弄一下吧，每個人的opencv版本不一樣，這個都市不同的，希望能夠幫到你~

D. 我想問下 用SIFT提取的特徵點 也就是關鍵點是些什麼點 這些點中有角點或者圓心么

第一個為題：SIFT演算法裡面把角點，邊緣點看做了不穩定的點，是需要去除的。所以提取不到角點；
匹配問題：只要找到了兩幅圖片的角點坐標，那麼對兩幅圖片進行拼接，對應點連線即可，這裡面也就涉及到一個坐標變換的問題。

E. 基於sift運算元的電子穩像研究中，MATLAB提取完圖像中的特徵點然後干什麼

這些特徵點可以視為圖像的壓縮版本，在某種程度上代表了圖像。有這些特徵點，可以和另一幅圖像進行匹配，用兩個圖像的特徵點計算匹配程度。

F. sift演算法是什麼

Sift演算法是David Lowe於1999年提出的局部特徵描述子，並於2004年進行了更深入的發展和完善。Sift特徵匹配演算法可以處理兩幅圖像之間發生平移、旋轉、仿射變換情況下的匹配問題，具有很強的匹配能力。

這一演算法的靈感也十分的直觀，人眼觀測兩張圖片是否匹配時會注意到其中的典型區域（特徵點部分），如果我們能夠實現這一特徵點區域提取過程，再對所提取到的區域進行描述就可以實現特徵匹配了。

sift演算法的應用

SIFT演算法目前在軍事、工業和民用方面都得到了不同程度的應用，其應用已經滲透了很多領域，典型的應用如下：物體識別；機器人定位與導航；圖像拼接；三維建模；手勢識別；視頻跟蹤；筆記鑒定；指紋與人臉識別；犯罪現場特徵提取。