siftpython
❶ 如何在OSX系统上安装Opencv3和python2.7
setp1
安装CodeX，不解释，在AppStop中搜索安装即可
setp2
安装Homebrew
Homebrew即MacOSX上的apt-get
按照官网的安装方式，在terminal中输入下列命令即可完成安装
cd ~
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
setp3
使用Homebrew安装Python，注意：避免使用系统Python解释器作为我们自己的主解析器，尤其是在使用virtualenv和virtualenvwrapper的时候。安装命令：
$ brew install python
注意安装结束后会有下列提示，提示我们把/usr/local/opt/python/libexec/bin增加到环境变量中，此举正是为了我们在使用python时，使用的是用Homebrew安装的python而不是系统python。
If you wish to have this formula's python executable in your PATH then add
the following to ~/.bash_profile:
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
这是重要的一步，请不要跳过。
setp4
安装 virtualenv 和 virtualenvwrapper
这两个工具是为了创建独立的python环境，不了解的朋友请自行Google
值得注意的是，这两个工具对于搭建opencv3.0+python2.7运行环境来说不是必须的，但是强烈建议安装，以保证python环境的干净，易于管理。
安装只需执行命令：
$ pip install virtualenv virtualenvwrapper
安装完成后，在~/.bash_profile文件中追加如下内容：
# Virtualenv/VirtualenvWrapper
source /usr/local/bin/virtualenvwrapper.sh
然后执行命令：
$ source ~/.bash_profile
至此，virtualenv 和virtualenvwrapper已经正确完成安装。我们可以使用如下命令创建一个独立的python环境：
$ mkvirtualenv cv
setp5
我们开始安装一些必须的python包，安装NumPy
We need to install NumPy since the OpenCV Python bindings represent images as multi-dimensional NumPy arrays
安装方式：
$ pip install numpy
注意：如果你使用了step4中的virtualenv创建python虚拟环境，则需要在您之前创建的虚拟环境中安装需要的python包
step6
之前的步骤，主要目的是建立和配置编译安装OpenCv的环境，从这一步开始，我们开始真正的工作。
首先，我们使用brew安装需要的开发者工具，例如CMake。
$ brew install cmake pkg-config
还有一些必要的图像I/O包，这些包可以使我们能够加载各种不同类型的图像文件例如JPEG,PNG,TIFF等。
$ brew install jpeg libpng libtiff openexr
And finally, let’s install libraries that are used to optimize various operations within OpenCV (if we so choose):
$ brew install eigen tbb
setp7
恭喜，截止目前系统已经搭建完成，我们开始着手编译和安装python支持的opencv。下载代码：
$ cd ~
$ git clone https://github.com/Itseez/opencv.git
$ cd opencv
$ git checkout 3.0.0
最后一个命令$ git checkout 3.0.0其中的3.0.0可以替换成你需要的版本号
之后下载opencv_contrib代码，这部分不是必须的，但是强烈建议同时下载，原因是opencv_contrib包含很多有用的功能，包括：
feature detection, local invariant descriptors (SIFT, SURF, etc.), text detection in natural images, line descriptors, and more
$ cd ~
$ git clone https://github.com/Itseez/opencv_contrib
$ cd opencv_contrib
$ git checkout 3.0.0
请确保checkout opencv_contrib的版本号要与上面checkout opencv的版本号相同
step8
创建一个bulid目录：
$ cd ~/opencv
$ mkdir build
$ cd build
使用CMake配置我们的构建：
$ cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local \
-D PYTHON2_PACKAGES_PATH=~/.virtualenvs/cv/lib/python2.7/site-packages \
-D PYTHON2_LIBRARY=/usr/local/Cellar/python/2.7.13_1/Frameworks/Python.framework/Versions/2.7/bin \
-D PYTHON2_INCLUDE_DIR=/usr/local/Frameworks/Python.framework/Headers \
-D INSTALL_C_EXAMPLES=ON -D INSTALL_PYTHON_EXAMPLES=ON \
-D BUILD_EXAMPLES=ON \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib/moles ..
注意：在执行上述命令之前，请务必切换到之前建立的虚拟python环境cv:
workon cv
cmake命令执行完成后，需要关注它的总结输出，尤其是其中的Opencv moles部分：
-- OpenCV moles:
-- To be built: core flann imgproc ml objdetect photo video dnn imgcodecs shape videoio highgui superres ts features2d calib3d stitching videostab python2
-- Disabled: world
-- Disabled by dependency: -
-- Unavailable: cudaarithm cudabgsegm cudacodec cudafeatures2d cudafilters cudaimgproc cudalegacy cubjdetect cuptflow cudastereo cudawarping cudev java python3 viz
-- Python 2:
-- Interpreter: /Users/zhuangyuan/.virtualenvs/cv/bin/python2.7 (ver 2.7.13)
-- Libraries: /usr/local/Cellar/python/2.7.13_1/Frameworks/Python.framework/Versions/2.7/bin (ver 2.7.13)
-- numpy: /Users/zhuangyuan/.virtualenvs/cv/lib/python2.7/site-packages/numpy/core/include (ver 1.13.1)
-- packages path: /Users/zhuangyuan/.virtualenvs/cv/lib/python2.7/site-packages
如果python2部分的信息不完整，或者python2没有出现在OpenCV moles的To be built:后面，而是出现在Unvailable:后面，则说明Cmake没有正确完成，需要检查此步骤中Cmake命令的参数中的路径是否正确已经是否确实切换到了我们为opencv建立的虚拟python环境中。
再次提醒，此步骤中参数路径必须仔细核对，如果错误，后续的编译将无法成功
这时候可以开始编译了：
$ make -j4
这里的4是利用4核CPU全速并行编译，也可以不带-j4参数，或者把4修改成你的CPU核心数
编译完成后，进行安装：
make install
如果有错误，加上sudo再执行：
sudo make install
setp9
检查一下~/.virtualenvs/cv/lib/python2.7/site-packages/路径下可以看到cv2.so就说明安装成功了：
$ cd ~/.virtualenvs/cv/lib/python2.7/site-packages/
$ ls -l cv2.so
-rwxr-xr-x 1 adrian staff 2013052 Jun 5 15:20 cv2.so
用一下吧：
(cv) promote:lib zhuangyuan$ python
Python 2.7.13 (default, Jul 18 2017, 09:17:00)
[GCC 4.2.1 Compatible Apple LLVM 8.1.0 (clang-802.0.42)] on darwin
Type "help", "right", "credits" or "license" for more information.
>>> import cv2
>>> cv2.__version__
'3.3.0'
恭喜，OSX系统下opencv3 with python2.7环境搭建成功。
❷ 相似图片搜索的原理是怎样的
2011年，Google把“相似图片搜索”正式放上了首页。你可以用一张图片，搜索互联网上所有与它相似的图片。点击搜索框中照相机的图标。
有了50×50像素的黑白缩略图，就等于有了一个50×50的0-1矩阵。矩阵的每个值对应原图的一个像素，0表示黑色，1表示白色。这个矩阵就是一张图片的特征矩阵。
两个特征矩阵的不同之处越少，就代表两张图片越相似。这可以用”异或运算”实现（即两个值之中只有一个为1，则运算结果为1，否则运算结果为0）。对不同图片的特征矩阵进行”异或运算”，结果中的1越少，就是越相似的图片。
❸ centos7 安装好了需要哪些基本的工具
1，centos默认不支持ntfs格式的文件系统，需要安装ntfs-3g软件包，安装后，在电脑上插入U盘或移动硬盘，当可以看到新加入的盘后，需要使用命令将U盘进行挂载。
2，在centos中安装rar软件，centos默认不能解压rar后缀格式的压缩包，但可以解压zip压缩包，所以建议以后在windows中建立压缩文件时，最后生成zip格式的压缩文件，
3，安装djpeg
djpeg是对jpg格式的图像进行读取处理必需的软件，本人需要使用inria实验室提供的sift特征提取工具提取图像的特征，所以必需安装它。
4, 安装numpy
numpy是Python中重要的科学计算基础软件包，本人在使用INIRA发布的Yael软件包中需要使用numpy，安装过程如下，比较麻烦的是包之间的依赖关系
❹ python sift算法怎么写
导入Numpy和这些scipy模块的标准方式是：
import numpy as np
from scipy import stats # 其它子模块相同
主scipy命名空间大多包含真正的numpy函数(尝试 scipy.cos 就是 np.cos)。这些仅仅是由于历史原因，通常没有理由在你的代码中使用import scipy。
❺ 我要用python实现捕获鼠标和键盘操作，并运用sift识别图像需要哪些模块
可能需要：opencv和pyqt这两大模块