opencv sift需要在2版本，3不行。

步驟

整體步驟

1）原影象—->特徵點檢測（位置，角度，層）——->特徵點描述（16*8維的特徵向量）—–>原圖目標的特徵點集

2）目標影象–>特徵點檢測——->特徵點描述—–>目標圖的特徵點集

3）兩幅圖片的特徵點集合進行：特徵點匹配——–>匹配點矯正

opencv演算法步驟

1）讀入兩幅圖片

2）特徵點檢測
生成一個SiftFeatureDetector的物件，用SIFT特徵的探測器來探測一幀圖片中SIFT點的特徵、然後將特徵存到一個KeyPoint型別的vector中。
KeyPoint:

• angle：角度，表示關鍵點的方向，通過Lowe大神的論文可以知道，為了保證方向不變形，SIFT演算法通過對關鍵點周圍鄰域進行梯度運算，求得該點方向。-1為初值。

• class_id：當要對圖片進行分類時，我們可以用class_id對每個特徵點進行區分，未設定時為-1，需要靠自己設定-

• octave：代表是從金字塔哪一層提取的得到的資料。

• pt：關鍵點點的座標

• response：響應程度，代表著該關鍵點是該點角點的程度。

• size：該點直徑的大小

3）特徵點描述
對影象所有KEYPOINT提取其特徵向量，通過SiftDescriptorExtractor提取，結果放在一個Mat的資料結構中。這個資料結構才真正儲存了該特徵點所對應的特徵向量。
4、對兩幅圖的特徵向量進行匹配，得到匹配值。

程式碼

#include <stdio.h>  
#include <iostream>  
#include "opencv2/core/core.hpp"  
#include "opencv2/highgui/highgui.hpp"  
#include<opencv2/legacy/legacy.hpp>
#include "opencv2/nonfree/features2d.hpp"   //SurfFeatureDetector實際在該標頭檔案中  

using namespace cv;
using namespace std;

int main(int
 
 argc, char** argv)
{
    Mat src = imread("1.jpg", 1);
    Mat src2 = imread("2.jpg", 1);//旋轉後

    if (!src.data||!src2.data)
    {
        cout << " --(!) Error reading images " << endl;
    }

    //1--初始化SIFT檢測運算元  
    int minHessian = 40;
    SiftFeatureDetector detector(minHessian);

    //2--使用SIFT運算元檢測特徵點  
    vector<KeyPoint> kp1,kp2;
    detector.detect(src, kp1);
    detector.detect(src2, kp2);

    //--繪製特徵點  
    Mat keypointImg, keypointImg2;
    drawKeypoints(src, kp1, keypointImg, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
    imshow("SIFT kp1", keypointImg);
    cout << "keypoint1 number: " << kp1.size() << endl;

    drawKeypoints(src, kp2, keypointImg2, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
    imshow("SIFT kp2", keypointImg2);
    cout << "keypoint2 number: " << kp2.size() << endl;

    //3--特徵向量提取
    SiftDescriptorExtractor extractor;
    Mat descriptor1, descriptor2;
    extractor.compute(src, kp1, descriptor1);
    extractor.compute(src2, kp2, descriptor2);
    //imshow("desc", descriptor1);
    //cout << endl << descriptor1 << endl;

    //4--特徵匹配
    BruteForceMatcher<L2<float>> matcher;
    vector<DMatch> matches;
    Mat img_matches;

    matcher.match(descriptor1, descriptor2, matches);
    //--繪製匹配  
    drawMatches(src, kp1, src2, kp2, matches, img_matches);
    imshow("matches", img_matches);

    waitKey(0);
    return 0;
}

匹配效果一般。安倍匹配還可以（可能秋田犬的緣故），默克爾鼻子跑牆上去了..