获取和比较BOVW直方图以获得图像相似性

Question

我正在建立一个图像相似性程序，因为我是简历中的一个初学者，我与一位专家进行了交谈，他给了我以下推荐的步骤以获得真正的基本功能：

1. 从所有图像中提取关键点（DoG，Harris等）和局部不变描述符（SIFT，SURF等）。
2. 将它们聚类成一个码本（视觉词词典包; BOVW）
3. 将每个图像的特征量化为BOVW直方图
4. 比较每幅图像的BOVW直方图（通常使用卡方，余弦或欧几里德距离）

第一点很容易，但我在第2步开始感到困惑。这是我到目前为止编写的代码：

import cv2
import numpy as np

dictionarySize = 20
BOW = cv2.BOWKMeansTrainer(dictionarySize)

for imgpath in ['testimg/testcropped1.jpg','testimg/testcropped2.jpg','testimg/testcropped3.jpg']:
    img = cv2.imread(imgpath)
    gray= cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    dst = cv2.cornerHarris(gray,2,3,0.04)

    sift = cv2.xfeatures2d.SIFT_create()
    kp = sift.detect(gray,None)
    kp,des = sift.compute(img,kp)

    img=cv2.drawKeypoints(gray,kp,img)
    cv2.imwrite('%s_keypoints.jpg' % imgpath, img)

    BOW.add(des)

我使用SIFT提取一些特征然后我尝试构建每个图像描述符的BOVW。问题是我不知道这是否正确以及如何获得直方图。