使用sift算法提取特征点，对目标图片进行匹配。使用匹配结果计算 目标物体所在矩形范围，作为参数传入grabcut，同时将sift算法的匹配点作为前景点传入grabcut函数，实现图像分割。

使用sift特征提取目标物与目标图片的特征点，进行匹配，从而找出目标物在图片中的范围，将该范围作为矩形区域传入grabcut函数，同时将匹配特征点作为前景点传入grabcut函数，进行图像分割。实验结果显示出不错的图像分割结果。

360度全景图拼接，利用sift算法提取特征点，图像变换，融合图像，进而形成全景图。效果不是很好，本程序仅供参考，目的是为了了解全景图拼接步骤，过程，希望经过个人修改得到好的结果，共同学习

基于sift特征匹配的交通标志识别系统 (1)在复杂背景下的交通信号分割研究中，通过在HSV颜色空间中选择合适的阈值范围，提取出可能出现目标的区域。最后，根据形状学特征在最大的预留区域再次搜索三角形，圆圈提取目标区域。在此基础上，对大量交通标志进行了图像分割实验。经验表明，HSV彩色区域的交通标志分割效果更好。 (2)选择SIFT特征，即满足旋转、平移和比例不变要求的特征向量。提出了分割图像的想法。将图像分割成固定数量的子块，计算每个子块内SIFT向量的平均值，得到该图像的特征向量。整个设计带有一个可视化GUI界面，方便操作，布局合理。

只用OpenCV，五行搞定SIFT特征点检测（除了预编译头，读图，显示，就五行）。一行一分，有运行结果截图。 运行环境 VS2008/VS2010 + OpenCV2.3.1 声明： 代码很短，为截图，请下载后自行敲到工程里。 代码不包含特征点匹配，请自行琢磨。 原始的SIFT特征点检测代码（http://www.cs.ubc.ca/~lowe/keypoints/）要依赖好几个库，还需要OpenCV,调用繁琐，而且速度也一般。 为了大家考虑，建议使用原始代码练习一下,但愿大家都不下载此资源；如果只想图个方便，就请付出代价，下载此资源。

基于SIFT特征提取的图片配准matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

1.基于 NumPy 完全在 Python 中实现的 SIFT（David G. Lowe 尺度不变特征变换）算法。 2.此实现基于 OpenCV 并返回 OpenCV KeyPoint 对象和描述符，因此可以用作 OpenCV SIFT 的直接替代品。 3.旨在帮助计算机视觉爱好者了解 SIFT 背后的细节。

为消除视频序列之间的冗余信息，以简单的摘要形式表达视频的主要内容，提出了一种基于视频序列的图像拼接方法。首先，采用改进的帧间聚类算法提取视频的关键帧；其次，利用SIFT算法提取关键帧的特征点，采用最近邻算法进行特征点匹配，通过引导互匹配法和投票过滤法提高匹配精度；再次通过RANSAC鲁棒估计算法得到所选帧间的单映矩阵，并使用LM非线性迭代算法对单映矩阵进行精炼。最后，利用级联单映矩阵结合加权融合算法实现了视频序列的无缝拼接，实验效果较为理想。

三维坐标点的SIFT特征匹配。产生2个三维模型的坐标点，然后进行SIFT特征提取，然后进行配准

提取SIFT特征，利用HNSW算法匹配特征点，最后实现了图像配准。代码中包括代码，使用的图片，代码有详细注释