SIFT（Scale-Invariant Feature Transform，尺度不變特徵變換）是一種用於圖像處理和計算機視覺的算法，主要用於檢測和描述圖像中的局部特徵，這些特徵對尺度變化、旋轉、光照變化等保持不變性。SIFT算法的主要步驟包括：
尺度空間極值檢測。首先，算法在不同尺度上對輸入圖像進行高斯模糊處理，以創建高斯金字塔。然後，通過比較每個像素點與其周圍像素點的灰度值，找出圖像中的極值點，這些極值點通常對應於圖像中的關鍵點。
特徵點精確定位。在檢測到尺度空間極值點後，算法對這些點進行精確定位，以獲取更準確的關鍵點位置和尺度。這一步使用差分高斯(DoG, Difference of Gaussians)金字塔來檢測關鍵點的位置。
方向分配。對於每個關鍵點，算法計算其主方向，這通過在關鍵點周圍的鄰域內計算梯度幅值和方向直方圖來實現，使得提取到的特徵具有旋轉不變性。
特徵點描述。在確定了關鍵點的位置、尺度和主方向之後，算法以關鍵點為中心的鄰域分為若幹個子區域，並計算每個子區域內的梯度幅值和方向直方圖。將這些直方圖連線起來就得到了關鍵點的特徵描述子。
SIFT算法的特點是能夠生成大量的特徵點，即使在很少的物體上也可以產生大量的SIFT特徵。這些特徵對於視角變化、仿射變換、噪聲等保持一定程度的穩定性，因此SIFT算法被廣泛套用於物體識別、圖像配準、3D模型建立等多個領域。