如何避免OpenCV中SIFT算法重复提取同一关键点？

SIFT出现同一位置多次提取、描述子不一致的核心原因有两个：一是尺度空间极值检测时，同一个空间坐标可能在多个尺度上满足响应阈值，被判定为多个关键点；二是主方向检测步骤会为同一个极值点分配多个方向，每个方向会单独生成关键点和对应的描述子。

可通过以下两种方式解决，得到唯一的关键点：

• 调整SIFT初始化参数
  调高contrastThreshold（对比度阈值）过滤低响应极值点，调低edgeThreshold（边缘响应阈值）过滤边缘处的不稳定点，还可以减少高斯金字塔的组数降低多尺度重复的概率。OpenCV中初始化代码参考：
  sift = cv2.SIFT_create(contrastThreshold=0.06, edgeThreshold=8)
• 提取后做去重后处理
  这是最可控的解决方式，对提取到的所有关键点按空间坐标分组，同一坐标下仅保留响应值最高的单个关键点，再重新计算描述子即可。参考代码如下：

  import cv2
  
  img = cv2.imread("input.jpg", cv2.IMREAD_GRAYSCALE)
  sift = cv2.SIFT_create()
  kp, _ = sift.detectAndCompute(img, None)
  
  # 按坐标分组去重，坐标保留2位小数避免浮点精度误差导致的误判
  kp_map = {}
  for p in kp:
      x, y = round(p.pt[0], 2), round(p.pt[1], 2)
      if (x, y) not in kp_map or p.response > kp_map[(x, y)].response:
          kp_map[(x, y)] = p
  
  # 获取唯一关键点和对应的唯一描述子
  unique_kp = list(kp_map.values())
  unique_kp, unique_des = sift.compute(img, unique_kp)
  

  如果需要保留尺度维度的区分度，仅去掉同坐标同尺度下多方向导致的重复，可将分组键改为(x, y, round(p.size, 2))即可。

内容的提问来源于stack exchange，提问作者Lorenzo