# SIFT (Scale-Invariant Feature Transform)

**SIFT(Scale-Invariant Feature Transform)**는 이미지에서 크 회전(Rotation), 조명 변화에 불변하는 특징점을 추출하고 기술하는 알고리즘입니다. 1999년 데이비드 로우(David Lowe)에 의해 제안되었으며, 서로 다른 이미지에서 동일한 지점을 찾아내는 이미지 매칭 및 객체 인식 분야에서 매우 강력한 성능을 발휘합니다.

## 작동 원리

SIFT는 다음과 같은 4가지 주요 단계를 거쳐 특징점을 추출합니다.

1. **스케일 공간 생성 (Scale-space Extrema Detection)**
    - 다양한 크기의 가우시안 블러(Gaussian Blur)를 적용하여 이미지의 스케일 공간을 구축합니다.
    - 인접한의 차이인 **DoG(Difference of Gaussian)** 이미지를 생성하여, 스케일 변화에 영향을 받지 않는 잠재적 특징점(극값)을 찾습니다.

2. **특징점 정밀화 (Keypoint Localization)**
    - DoG에서 발견된 후보 지점들 중 대비(Contrast)가 낮거나 ) 성분이 강한 불안정한 지점을 제거합니다.
    - 테일러 급수 전개를와 스케일을 정밀하게 보정하여 최적의 좌표를 결정합니다.

3. **방향 할당 (Orientation Assignment)**
    - 각 특징점 주변 영역의 그래디언트(Gradient) 방향과 크기를 계산합니다.
     방향을 특징점의 대표 방향으로 설정함으로써, 이미지가 회전 특징점으로 인식할 수 있는 회전 불변성을 확보합니다.

4. **특징점 기술자 생성 (Keypoint Descriptor)**
    - 특징점 주변의 $times 16$ 픽셀 영역을 $4 \times 4$ 블록으로 나눕니다.
    - 각 블록 내향의 그래디언트 히스토그램을 생성하여 총 $4 \times 4 \times 8 = 128$차원의 벡터를 생성합니다. 이 벡터 특징점을 고유하게 식별하는 기술자가 됩니다.

## 주요 특징

*   **스케일 불변성 (Scale Invariance)**: DoG기의 특징을 추출하므로, 대상 객체의 크기가 커지거나 작아져도 동일 수 있습니다.
*   **회전 불변성 (Rotation Invariance)**: 특징점마다 고유한 주 방향을 할당하고 이를 기준으로 기술자를 생성전해도 매칭이 가능합니다.
*   **조명 변화 강인성**: 그래디하고 최종 기술자 벡터를 정규화하기 때문에, 밝기나 대비의 변화에 영향을 적게 받습니다.

 두 이미지 사이의 공통된 특징점을 찾아 연결하는 작업.
*   **객체 인식**: 데이터베이스에 저장된 객체의 SIFT 특징점과 입력 이미지의 특징점을 비교하여 특정 물체를 식별.
*   **파노라마 스티칭 (Panorama Stitching)**: 여러 장의 사진에서 겹치는 부분을 찾아 정밀하게 이어 붙여 하나의 넓은 이미지로 합성.
*   **3D 재구성 (Structure from Motion)**: 여러 각도에서 찍은 사진들의 특징점을 매칭하여 3차원 구조를 복원.

## 알고리즘 비교

| 구분 | SIFT | SURF | ORB |
| :--- | :--- | :--- | :--- |
| **특징** | 높은 정확도, 범용적 | SIFT의 속도 개선 버전 | 매우 빠른 속도, 실시간성 |
| **핵심 원리** | DoG (Difference of Gaussian) | Hessian Matrix / Box Filter | FAST 특징점 + BRIEF 기술자 |
| **불변성** | 스케일, 회전, 조명 강함 | 스케일, 회전 강함 | 회전 강함 (스케일 제한적) |
| **연산 속도** | 느림 | 보통 | 매우 빠름 |
| **특허 상태** | 만료 (OpenCV 사용 가능) | 만료 | 오픈 소스 (무료) |

## 구현 및 라이브러리

SIFT는 컴퓨터 비전 라이브러리인 **OpenCV**에서 `cv2.SIFT_create()` 함수를 통해 쉽게 구현할 수 있습니다. 과거에는 특허 문제로 인해 `opencv-contrib` 모듈에서만 제공되었으나, 현재는 특허가 만료되어 기본 라이브러리에서 공식적으로 지원합니다. 실제 구현 시에는 `BFMatcher`나 `FlannBasedMatcher`를 사용하여 추출된 128차원 기술자 간의 유클리드 거리를 계산함으로써 최적의 매칭 쌍을 찾습니다.