A SIFT (Scale Invariant Feature Transform) az egyik leggyakrabban használt és hivatkozott jellemzőpont detektor. Ebben a leckében röviden áttekintjük a SIFT működését. A teljes algoritmus megértéséhez javasoljuk a Lowe eredeti cikkének tanulmányozását.

A SIFT detektor fontosabb lépései

1. Konvolváljuk a szürkeárnyalatos képet egy $\sigma$ paraméterű Gauss-függvénnyel különböző skálafaktor mellett. Képezzük ezeknek a simított képeknek a különbségét (Difference of Gaussians - DoG). A jellemzőpontok a skálatérben a DoG képeken egy $3\times 3\times 3$ környezet maximumaiban lesznek.
2. Küszöböljük az értékeket.
3. Elimináljuk az élválaszokat (csak a sarokpontok érdekesek számunkra).
4. A lokális orientációhoz határozzuk meg a domimáns gradiens irányt. Az így kapott skála és orientáció minden pont esetében meghatároz egy lokális koordináta-rendszert, tehát minden pont rendelkezik egy (x,y,$\sigma$,$\varphi$) koordinátával (ahol $\sigma$ az skálaértéket, $\varphi$ az orientációt jelöli).
5. A jellemzőpont leírásához tekintsünk egy $16\times 16$-os környezetet, amelyet tovább $4\times 4$-es blokkokra osztunk.
6. Számítsunk a blokkokban 8-irányú irányhisztogramot.
7. Alkalmazzunk Gauss súlyozást a középpont körül, amelynek szórása $0.5\sigma$ (ahol $\sigma$ a pont skálaértéke)
8. Előáll egy 128 elemű jellemzővektor.