完整的sift角点提取算法，加详细注释，包括7个核心函数。直接运行do_sift即可。

完整代码，可直接运行

图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key 图像匹配+sift+key

使用sift算法完成两个图像的匹配 可以运行，已经试过了 vs环境下读取文件时两个点改成一个点便可

原版sift算法，已验证，效果非常好，用于两幅图片的匹配

VS2019+opencv2.3.1 已调通 opencv库自行安装 含源代码及代码注释 含_sift_features每个函数之间的关系图 对大家理解sift算子及其计算步骤有些许帮助 仅供学习参考 真正用sift倒不如直接用opencv库里的函数

基于sift进行特征提取、匹配。最后进行图像拼接。上面附有示例图片，matalab源码，程序简单明了，绝对可以使用。

该工程主要是对 SIFT 算法的具体实现，代码中注释非常详细易懂、没有之一，非常适合小伙伴们学习哦！！！

深度学习作为一个新的机器学习方向，被应用到计算机视觉领域上成效显著.为了解决分布式的尺度不变特征转换（Scale-Invariant Feature Transform，SIFT）算法效率低和图像特征提取粗糙问题，提出一种基于深度学习的SIFT图像检索算法.算法思想：在Spark平台上，利用深度卷积神经网络（Convolutional Neural Network，CNN）模型进行SIFT特征抽取，再利用支持向量机（Support Vector Machine，SVM）对图像库进行无监督聚类，然后再利用自适应的图像特征度量来对检索结果进行重排序，以改善用户体验.在Corel图像集上的实验结果显示，与传统SIFT算法相比，基于深度学习的SIFT图像检索算法的查准率和查全率大约提升了30个百分点，检索效率得到了提高，检索结果图像排序也得到了优化.

该系统将Bag of words 模型用于大批量图像检索，基于OpenCV C 语言库提取图像的SIFT 特征，然后使用Kmeans 算法进行聚类，再将其表示成 Bag of words 矢量并进行归一化，实现大批量图像检索，并用 caltech256 数据集进行实验。实验表明，该系统该系统采用的方法是有效的。