目前網絡上可以找到的關于SIFT算法Matlab測試代碼的資源就是：

1 加拿大University of British Columbia 大學計算機科學系教授 David G. Lowe發表于2004年Int Journal of Computer Vision,2(60):91-110的那篇標題為“Distivtive Image Features from Scale -Invariant Keypoints" 的論文。作者在其學術網站上發表的Matlab程序代碼（注意，這個程序代碼的初始版本是 D. Alvaro and J.J. Guerrero, 來自Universidad de Zaragoza。）

??? 上述代碼可以很容易檢索到，如，http://www.cs.ubc.ca/~lowe/keypoints/

2 美國加州大學洛杉磯分校（University of California at Los Angeles) Andrea Vedaldi 博士研究生給出的基于David Lowe 發表的論文給利用Matlab和C語言混合編程給出的Sift detector and descriptor的實現過程。

????? http://vision.ucla.edu/~vedaldi/

????

Andrea Vedaldi

Ph.D. Candidate / VisionLab / UCLA

• Andrea Vedaldi
• Research
• Publications
• Code
• Restricted

• 4/10/2008 - Minor tweaks to the MATLAB/SIFT code to eliminate dependencies on LAPACK (easier to compile)
• 25/1/2008 - VLFeat new version and website.
• 1/11/2007 - VicinalBoost code is now available.

• SIFT, SIFT++ and MSER.
• VisionLab Features Library: SIFT, MSER and more (beta).
• Bag of features.

• Stefano Soatto, University of California at Los Angeles, Los Angeles, USA.
• Serge Belongie, University of California at San Diego, San Diego, USA.
• Paolo Favaro, Heriot-Watt University, Riccarton, Edinburgh, UK.
• Hailin Jin, Adobe System Incorporated, California, USA.
• Andrew Rabinowich, University of California at San Diego, San Diego, USA.
• Gregorio Guidi, University of California at Los Angeles, Los Angeles, USA.
• Brian Fulkerson, University of California at Los Angeles, Los Angeles, USA.

3 以后陸續有許多基于Sift算法實現圖像目標匹配和目標識別等方面的應用，大多都是基于上述的代碼和算法原理來進行的。

關于第一測試代碼的說明：

1 共有三段Matlab代碼源文件

?? match.m：測試程序

???? 功能：該函數讀入兩幅（灰度）圖像，找出各自的 SIFT 特征, 并顯示兩連接兩幅圖像中被匹配的特征點（關鍵特征點（the matched keypoints）直線（將對應特征點進行連接）。判斷匹配的準則是匹配距離小于distRatio倍于下一個最近匹配的距離（ A match is accepted only if its distance is less than distRatio times the distance to the second closest match.
??????????????? 該程序返回顯示的匹配對的數量。（ It returns the number of matches displayed.）

??? 調用實例： match('desk.jpg','book.jpg');

??????? ( 假如，想測試一個含有一本書的桌面的圖像 和一本書的圖像之間特征匹配）

???? 調用方法和參數描述：略。

???? 注意：（1）圖像為灰度圖像，如果是彩色圖像，應該在調用前利用rgb2gray轉換為灰度圖像。

???????????????? （2）參數distRatio 為控制匹配點數量的系數，這里取 0.6，該參數決定了匹配點的數量，在Match.m文件中調整該參數，獲得最合適的匹配點數量。

?? sift.m :尺度不變特征變換（SIFT算法）的核心算法程序

???? 具體原理詳見David G. Lowe發表于2004年Int Journal of Computer Vision,2(60):91-110的那篇標題為“Distivtive Image Features from Scale -Invariant Keypoints" 的論文

???? 功能：該函數讀入灰度圖像，返回SIFT 特征關鍵點（ SIFT keypoints.）
　　

　調用方法和參數描述：

　　調用方式：[image, descriptors, locs] = sift(imageFile)

　　輸入參數（ Input parameters）:

　　　　imageFile: 圖像文件名.

?? 　　輸出或返回參數（ Returned）:
　　???? image: 是具有double format格式的圖像矩陣
　　??? descriptors:　一個 K-by-128　的矩陣x, 其中每行是針對找到的Ｋ個關鍵特征點（the K keypoints）　　的不變量描述子. 這個描述子（descriptor）是一個擁有１２８個數值并歸一化為單位長度向量.
　　???? locs: 是K-by-4 矩陣, 其中的每一行具有四個數值，表示關鍵點位置信息 (在圖像中的行坐標，列坐標（row, column) ，注意，一般圖像的左上角為坐標原點）, 尺度scale，高斯尺度空間的參數，其中該參數也決定了frame(結構）確定的圖像disk的大小, 最后一個參數是方向orientation). 方向參數的范圍是[-PI, PI] 單位為弧度.
%

????

????appendimages.m:??? 該函數創建一個新的圖像分別包含兩個匹配的圖像和他們之間的匹配對的連接直線.

?

２、測試結果

　　輸入圖像１：book1gray.jpg

?

?? 輸入圖像2：book2gray.jpg

?

運行結果1：（比例參數為０．６　）

調用過程： match('book1gray.jpg','book2gray.jpg')

輸出結果：
Finding keypoints...
394 keypoints found. 　　（第１幅圖像中檢測到３９４個特征點）
Finding keypoints...
488 keypoints found. （第２幅圖像中檢測到４８８個特征點）
Found 82 matches.　　（找到了８２個匹配點）

ans =

??? 82

運行結果2：（比例參數為0 . 5　）

調用過程： match('book1gray.jpg','book2gray.jpg')

輸出結果：
Finding keypoints...
394 keypoints found. 　　（第１幅圖像中檢測到３９４個特征點）
Finding keypoints...
488 keypoints found. （第２幅圖像中檢測到４８８個特征點）

Found 55 matches.　　（找到了55個匹配點）

?

運行結果3 把第二個測試圖像變成其中的一個局部，如圖 （book2graypart.jpg)

?

參數同上，比例參數為0 . 5　

調用過程： match('book1gray.jpg','book2graypart.jpg')

Finding keypoints...
394 keypoints found.
Finding keypoints...
121 keypoints found.
Found 26 matches.

ans =

??? 26

?

?

?