SIFT SURF ORB方法总结

SIFT特征基于梯度方向和梯度值的直方图构建特征，SURF基于梯度值的大小构建直方图，ORB基于像素值的大小构建直方图

SIFT方法的原理（128，梯度方向的统计结果）

基于梯度方向的统计直方图
参考https://www.jianshu.com/p/95c4890c486b?utm_source=oschina-app
https://gilscvblog.com/2013/08/18/a-short-introduction-to-descriptors/
关键点：
（1）SIFT会先检测图中较明显的点（如角点），对这些点提取特征
（2）sift的特征为什么具有旋转不变性：
sift会先提取主方向，然后将特征点周围1616的像素根据主方向旋转；然后对每个1616分为16个44的区域，在每个区域提取8个方向的梯度直方图（提取方向的直方图，而不是每个像素的梯度值）。即sift特征是特征点周围像素的梯度相对于主梯度的方向的分布，与梯度相对方向和梯度值的大小有关。
168=128。

SURF方法 （维度64，梯度大小）

参考https://gy23333.github.io/2020/04/24/SURF%E7%AE%97%E5%AD%90/

surf也具有旋转不变性，所以检测到关键点后，首先提取关键点的主方向，然后以特征点为中心，沿着主方向，构建边长为2020的正方形，在该正方形中，提取64维向量，作为该特征点的特征向量。
**如何从2020的正方形得到64维的特征向量**
首先，将2020分为16个55的子区域，在每个子区域中，通过dx,dy求梯度，然后统计∑dx、∑|dx|、∑dy、∑|dy|获得4维的向量。

ORB算法

参考：https://www.cnblogs.com/alexme/p/11345701.html
一般维度取128、256或512，opencv默认为256
特征构建：可以构建256维度的特征或者512维度的特征，各维度的特征是基于像素值的大小，使用相同的方法，相同的步骤获得的。特征值为1或者为0：按照一定的采样策略在特征点周围采集两个点{A,B},如果pixelA>pixelB，则特征值为0，如果pixelB>pixelA,则特征值为1。 按照这种步骤采样256次或者512次，就得到了该特征点的ORB特征。