SIFT（尺度不变特征变换）

定义

SIFT（Scale-Invariant Feature Transform，尺度不变特征变换）是 David Lowe 于 1999 年提出、2004 年完善的局部特征检测与描述算法，能在图像发生尺度缩放、旋转和一定光照变化时稳定提取特征点。

原理

算法先构建高斯差分金字塔，在多尺度空间中检测极值点作为关键点；再根据邻域梯度方向为关键点分配主方向以实现旋转不变；最后统计关键点周围的梯度方向直方图，生成 128 维描述子用于匹配。

应用

SIFT 广泛用于图像拼接、三维重建、目标识别与视觉定位等任务，其匹配结果常配合 RANSAC 剔除误配。

优缺点

优点是稳定性和区分度高；缺点是计算量大、实时性差，原算法曾受专利保护（现已到期），实践中常用 ORB 等更快的替代方案。