用OpenCV提取图片SIFT特征

包括角点检测和计算特征描述子两个过程。

vector<KeyPoint> keyPoint;
Ptr<FeatureDetector> featureDetector;
featureDetector = FeatureDetector::create("FAST");
featureDetector->detect(image, keyPoint);//角点检测
Mat descriptors;
Ptr<DescriptorExtractor> descriptorExtractor;
descriptorExtractor = DescriptorExtractor::create("SIFT");
descriptorExtractor->compute(image, keyPoint, descriptors);//计算特征描述子

KeyPoint有如下参数：
pt(x,y)：关键点的坐标
size：该点直径的大小
angle：角度，表示关键点的方向，为了保证方向不变性，SIFT算法通过对关键点周围领域进行梯度运算，
求得该点方向。-1为初值。
response：响应程序，代表该点强度大小。我的理解是该点在图片多个关键点中的权重。"reponse" is indeed an indicator of "how good" (roughly speaking, in terms of corner-ness) a point is.
octave代表是从金字塔哪一层提取得到的数据。
class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要自己设定。

descriptorExtractor对关键点周围领域内的像素分块进行梯度运算，得到128维的特征向量。
根据David G.Lowe的建议，对每个关键点，在其周围，用4x4=16个格子进行描述，每个格子包含8个方向的信息，即16x8=128个信息，这就是128维的SIFT特征向量。