利用python學習OpenCV，個人感覺比較方便。函式的形式與C++基本相同，所以切換過來還是比較好的，對於像我這種對python不太熟練的人，使用python的整合開發環境PyCharm進行學習，可以設定斷點除錯，有助於我這類初學者理解掌握。

下面是利用python語言結合OpenCV進行SIFT特徵檢測的程式碼：

# -*- coding:utf-8 -*-
__author__ = 'Microcosm'

import cv2
import numpy as np

img = cv2.imread("E:\python\Python Project\opencv_showimage\images\lena.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

sift = cv2.SIFT()
# kp 是所有128特徵描述子的集合
kp = sift.detect(gray, None)
print len(kp)

# 找到後可以計算關鍵點的描述符
Kp,res = sift.compute(gray, kp)
print Kp    # 特徵點的描述符
print res   # 是特徵點個數*128維的矩陣

# 還可以用下面的函式直接檢測並返回特徵描述符
kp2,res1 = sift.detectAndCompute(gray,None)
print "******************************"
print res1

img = cv2.drawKeypoints(img, kp, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

cv2.imshow("sift", img)
cv2.waitKey(0)
cv2.destroyAllWindows()
 

注:opencv 的版本不能太低，否則無法使用cv2.SIFT()這個函式，程式會報錯，我的是Opencv2.4.9的，沒問題，下面是執行的結果：

python3.0 以上版本配合opencv3.0以上的版本

SIFT及SURF等都被整合到contrib中,所以與之前的版本要區分開

import cv2
import numpy as np

img = cv2.imread('lena.jpg')

gray = cv2.cvtColor(img,cv2.COLOR_RGB2GRAY)

siftDetector = cv2.xfeatures2d.SIFT_create(100)
kp,res = siftDetector.detectAndCompute(gray,None)
print(len(kp))
print(res)

img = cv2.drawKeypoints(img,outImage=img,keypoints=kp, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)

cv2.imshow("sift",img)
cv2.waitKey(0)
cv2.destroyAllWindows()