使用sift实现关键点（特征点）检测
1、本文实现特征点（角点是一种特征点）获取和标识，特征点的描述的匹配实现未做处理，为下一步特征点描述和匹配做铺垫。
各种数学性质，请自行百度查询。
2、import cv2 as cv
import copy
image = cv.imread('c:\\meiping1.png')
cv.imshow("image", image)
image1 = copy.copy(image)
image2 = copy.copy(image)
继续以梅瓶为例
copy几个图像为输出特征点
3、gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)cv.imshow("gray", gray)
首先转化成灰度
4、SIFT特征计算
使用xfeatures2d.SIFT_create完成SIFT特征点初始化
sift = cv.xfeatures2d.SIFT_create()
sift.detectAndCompute实现特征点和特征点描述分别输出。
keypoints, features = sift.detectAndCompute(gray, None)print(keypoints)
坐标点print(keypoints[0].pt[0], keypoints[0].pt[1])
特征点描述，后期用于匹配。print(features)
5、使用opencv自带的drawKeypoints画圈
image1=cv.drawKeypoints(gray,keypoints,image1)
drawKeyPoints()
参数1：image：原始图；
参数2：keypoints，特征点向量，元素为KeyPoint对象，包含特征点信息；
参数3：outImage；
参数4：color：特征点颜色；
参数5：flags：设置特征点需要不要画
DEFAULT：只绘制特征点的坐标点,显示小圆点
DRAW_OVER_OUTIMG：
NOT_DRAW_SINGLE_POINTS：单点特征点不绘制
DRAW_RICH_KEYPOINTS：带有方向的圆,显示坐标,大小和方向。
keypoints：
angle：角度，特征点方向，对特征点点邻域梯度计算，获得方向， 缺省-1。
class_id：对每个特征点进行区分，缺省-1
octave：从金字塔哪层提取的得到的数据。
pt：特征点坐标
response：该点角点的程度。
size：直径
6、for k in keypoints:
cv.circle(image2, (int(k.pt[0]), int(k.pt[1])), 2, (255, 255, 0), 1)
cv.imshow("image1", image1)
cv.imshow("image2", image2)
k = cv.waitKey(0)
cv.destroyAllWindows()
手动绘制圆圈 效果和drawKeypoints差不多
7、小结：
1）不论自己画还是调用函数画圈 都可以
2）sift = cv.xfeatures2d.SIFT_create()
keypoints, features = sift.detectAndCompute(gray, None)
实现特征点检测
3）opencv contrib的安装