Sift算法-----part4
我们在前面的步骤中产生了许多关键点，其中的一些点是沿边缘分布的或者经历的对比不够充分，其中的任一种情况都使得这些关键点不能成为特征点。所以，我们得剔除它们。剔除的方式类似于Harris角点检测法中使用的方法。
移除低对比度的特征点
这很简单，如果在DOG图像中某点像素点的值小于某个特定的值，那么丢弃它。因为我们已经计算出亚像素点，我们需要使用taylor表达式来算出在亚像素点钟的值。如果强度偏小，同样会丢弃它。
Removing edges
我们计算出关键点的两个梯度值，彼此相互垂直。对于一张图片中的关键点进行计算，该点的两个梯度有三种情况：
对于平滑的区域
这两个梯度都比较小。
边缘
与垂直于边缘的梯度值比较大，而沿着边沿的梯度值比较小。
角点
两个梯度都比较大。
对于角点才是我们想要的关键点，因此梯度值可以成为我们判断的标准。
这部分与Harris类似，可以参阅相关资料。
总结
我们已经剔除了一定数量的关键点，这对算法的效率和稳定性很重要。
任何疑问或者建议，请留下评论。
