为什么要在补丁上提取SIFT功能而不是整个图像？

Question

有些人从图像的片段中提取SIFT特征，例如“128维SIFT描述符是在16×16像素块上计算的，在网格上密集采样，在水平和垂直方向上的规则间距为8像素”

为什么他们不直接从原始图像中提取SIFT？从这样的原始图像片段中提取SIFT有什么好处？

谢谢！

Answer 1

首先，我想说SIFT特征是一个128维描述符。使用包含实际兴趣点（从DoG获得的极值）的16x16邻域计算128维。这非常具体（more information and links to Lowes papers）

目标部分是为什么他们会在常规8x8间距的网格上进行采样？我能想到的唯一原因是减少计算时间

1. 创建已知数量的描述符。如果图像是M×N，那么描述符数=（M / 8）x（N / 8）在整个图像上运行SIFT可以产生聚集在一起的许多描述符。并且可能是无限的。由于每个描述符的计算成本很高，减少数量会减少计算时间。即使是一个小的100x100图像也可能有数百个描述符。这种方法会将其减少到~144

2. 查找关键点实际上是一项密集型任务。它涉及检查DoG金字塔的每个体素并检查体素中心的极值（最大值或最小值）（对于每个八度音阶和DoG的每3个音阶）。如果你可以跳过这一步并假设每隔8x8网格间距，就可以省去通过整个DoG和所有八度音阶和音阶的昂贵操作。

再次，这些只是我的意见，但我希望它可以帮助你一点点

Answer 2

在我的图像处理问题中，我还需要在算法忽略的图像区域中使用SIFT功能。因此，我强制使用SIFT算法为图像的每个面片赋予特征。