SIFT adalah salah satu algoritma yang paling dikenal luas dalam visi komputer. Tujuan utamanya terdiri dari mendeteksi titik kunci objek, menghasilkan deskriptor untuknya, dan mencocokkan objek yang sama di seluruh gambar. Sesuai namanya, SIFT adalah algoritma yang invarian terhadap skala, artinya objek yang sama dapat muncul pada skala yang berbeda dalam sepasang gambar, dan SIFT masih akan berhasil mendeteksi titik kuncinya. Selain itu, SIFT invarian terhadap rotasi, memungkinkan pencocokan untuk objek yang diputar juga.
Dalam alur kerjanya, SIFT membangun beberapa versi dari gambar asli dengan menerapkan transformasi resize dan Gaussian blur. Dengan nilai k dan σ1 yang dipilih, SIFT membangun beberapa versi dari gambar asli dengan menerapkan penghalusan Gaussian dengan deviasi standar yang berbeda. Ini menghasilkan urutan gambar yang disebut oktaf. Kemudian SIFT menghitung perbedaan berpasangan antara gambar yang dihasilkan, yang dikenal sebagai perbedaan Gaussian (DoG).
Setelah itu, algoritma menumpuk Di dan mencoba menemukan ekstrem lokal di dalamnya. Untuk setiap titik di Di(x, y), SIFT memeriksa 26 tetangganya. Jika Di(x, y) lebih besar atau lebih kecil dari semua 26 titik tetangganya, SIFT menandainya sebagai maksimum atau minimum. Untuk memperhitungkan variasi skala yang berbeda, proses yang sama diulang untuk gambar awal yang diperkecil lebar dan tingginya dengan faktor dua, membangun oktaf baru dengan nilai σ seperti σ2 = 2σ1.
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing