3. 關鍵點方向分配：

   • 對於每個關鍵點，SIFT計算其局部圖像梯度方向。通常，SIFT使用關鍵點周圍的梯度信息來確定關鍵點的主要方向。這個主要方向將用於後續步驟中的特征描述。SIFT將關鍵點周圍的像素分為若幹個方向的子區域，並為每個子區域計算一個方向直方圖。主要方向通常是直方圖中的峰值。
     

4. 關鍵點特征描述：

   • 對於每個關鍵點，SIFT創建一個局部描述符，該描述符包括關鍵點周圍的像素信息。特征描述符的構建通常涉及到對關鍵點周圍的像素進行采樣，然後根據主要方向對采樣點進行旋轉，以使描述符具有旋轉不變性。最終的描述符是一個向量，它包含了關鍵點周圍的像素值的統計信息。
     

以下是一個示例使用Python和OpenCV的SIFT描述符提取的代碼：

import cv2

# 讀取圖像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 初始化SIFT檢測器
sift = cv2.SIFT_create()

# 檢測關鍵點和計算描述符
keypoints, descriptors = sift.detectAndCompute(image, None)

# 在圖像上繪制關鍵點
output_image = cv2.drawKeypoints(image, keypoints, None)

# 顯示圖像
cv2.imshow('SIFT Keypoints', output_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述示例代碼演示了如何使用SIFT算法檢測圖像中的關鍵點並計算它們的描述符。得到的關鍵點和描述符可用於進行圖像匹配、目標檢測和其他計算機視覺任務。SIFT是一種有專利保護的算法，但已有開源實現可供使用。