【初投稿】スマホのカメラでSIFTが動くアプリを公開する

Privacy PolicyThis privacy policy applies to the Camera de SIFT app (hereby referred to as “Application”) for mobile devices that was created by higuchi (hereby referred to as “Service Provider”) as a Free service. This service is intended for use “AS IS”.
Information Collection and UseThe Application collects information when you download and use it. This information may include information such as

• Your device’s Internet Protocol address (e.g. IP address)
• The pages of the Application that you visit, the time and date of your visit, the time spent on those pages
• The time spent on the Application
• The operating system you use on your mobile device

The Application does not gather precise information about the location of your mobile device.
The Application does not use Artificial Intelligence (AI) technologies to process your data or provide features.
The Service Provider may use the information you provided to contact you from time to time to provide you with important information, required notices and marketing promotions.
For a better experience, while using the Application, the Service Provider may require you to provide us with certain personally identifiable information. The information that the Service Provider request will be retained by them and used as described in this privacy policy.
Third Party AccessOnly aggregated, anonymized data is periodically transmitted to external services to aid the Service Provider in improving the Application and their service. The Service Provider may share your information with third parties in the ways that are described in this privacy statement.

Please note that the Application utilizes third-party services that have their own Privacy Policy about handling data. Below are the links to the Privacy Policy of the third-party service providers used by the Application:

• Google Play Services

The Service Provider may disclose User Provided and Automatically Collected Information:

• as required by law, such as to comply with a subpoena, or similar legal process;
• when they believe in good faith that disclosure is necessary to protect their rights, protect your safety or the safety of others, investigate fraud, or respond to a government request;
• with their trusted services providers who work on their behalf, do not have an independent use of the information we disclose to them, and have agreed to adhere to the rules set forth in this privacy statement.

Opt-Out RightsYou can stop all collection of information by the Application easily by uninstalling it. You may use the standard uninstall processes as may be available as part of your mobile device or via the mobile application marketplace or network.
Data Retention PolicyThe Service Provider will retain User Provided data for as long as you use the Application and for a reasonable time thereafter. If you’d like them to delete User Provided Data that you have provided via the Application, please contact them at pccsoftware@gmail.com and they will respond in a reasonable time.
ChildrenThe Service Provider does not use the Application to knowingly solicit data from or market to children under the age of 13.

The Application does not address anyone under the age of 13. The Service Provider does not knowingly collect personally identifiable information from children under 13 years of age. In the case the Service Provider discover that a child under 13 has provided personal information, the Service Provider will immediately delete this from their servers. If you are a parent or guardian and you are aware that your child has provided us with personal information, please contact the Service Provider (pccsoftware@gmail.com) so that they will be able to take the necessary actions.

SecurityThe Service Provider is concerned about safeguarding the confidentiality of your information. The Service Provider provides physical, electronic, and procedural safeguards to protect information the Service Provider processes and maintains.
ChangesThis Privacy Policy may be updated from time to time for any reason. The Service Provider will notify you of any changes to the Privacy Policy by updating this page with the new Privacy Policy. You are advised to consult this Privacy Policy regularly for any changes, as continued use is deemed approval of all changes.
This privacy policy is effective as of 2026-04-13
Your ConsentBy using the Application, you are consenting to the processing of your information as set forth in this Privacy Policy now and as amended by us.
Contact UsIf you have any questions regarding privacy while using the Application, or have questions about the practices, please contact the Service Provider via email at pccsoftware@gmail.com.This privacy policy page was generated by App Privacy Policy Generator

SIFTとは何か

SIFT（Scale-Invariant Feature Transform、スケール不変特徴変換）は、1999年にカナダ・ブリティッシュコロンビア大学のDavid G. Lowe教授によって提案された、画像から特徴点を検出し記述するための画像処理アルゴリズムです。2004年に論文「Distinctive Image Features from Scale-Invariant Keypoints」として完成形が発表されて以降、コンピュータビジョン分野で最も影響力のあるアルゴリズムの一つとして広く使われてきました。

SIFTの最大の特徴は、その名前が示す通り「スケール不変性」を持つことです。つまり、画像が拡大・縮小されても同じ特徴点を検出できます。さらに、回転、照明変化、視点の若干の変化に対しても頑健（ロバスト）であるため、物体認識、画像マッチング、パノラマ合成、3D再構成など、様々な応用分野で活用されてきました。

SIFTアルゴリズムの4つのステップ

SIFTのアルゴリズムは、大きく分けて以下の4つのステップで構成されています。それぞれのステップを順を追って詳しく見ていきましょう。

1. スケール空間の極値検出
2. キーポイントの位置特定と絞り込み
3. 方向の割り当て
4. キーポイント記述子の生成

ステップ1：スケール空間の極値検出

SIFTの最初のステップでは、画像内のあらゆるスケールにおいて特徴的な点（候補点）を検出します。ここで重要な役割を果たすのが「スケール空間」という概念です。

スケール空間とは、元画像に対して異なる強度のガウシアンフィルタ（ぼかし処理）をかけて生成される、複数の画像の集合のことです。具体的には、元画像 I(x, y) にガウシアン関数 G(x, y, σ) を畳み込むことで、スケール σ におけるスケール空間 L(x, y, σ) が得られます。

SIFTでは、計算効率を高めるため「DoG（Difference of Gaussian、ガウス差分）」という手法を用います。これは隣接する2つのスケールにおけるガウシアン画像の差分を取ることで、ラプラシアン・オブ・ガウシアン（LoG）を近似するものです。DoGはLoGよりも計算コストが低く、それでいて優れた特徴点検出能力を持ちます。

次に、画像をオクターブと呼ばれる単位に分割します。各オクターブでは画像サイズを半分にダウンサンプリングし、その中で複数のスケール（通常は5〜6段階）のぼかし画像を生成します。これにより、小さな特徴から大きな特徴まで、あらゆるスケールで特徴点を検出できる枠組みが構築されます。

極値検出では、DoG画像の各画素について、同じスケール内の周囲8画素と、上下のスケールにおける同じ位置周辺の9画素ずつ、合計26画素と比較します。比較対象の中で値が最大または最小となる点が、極値（候補キーポイント）として抽出されます。

ステップ2：キーポイントの位置特定と絞り込み

ステップ1で検出された候補点には、ノイズに弱い不安定な点や、エッジ上の点も多く含まれています。そこで、これらを取り除き、より信頼性の高い特徴点だけを残す必要があります。

まず、極値の位置をサブピクセル精度で求めます。これはテイラー展開を用いた補間によって実現され、整数座標よりも高精度な位置情報を得られます。これにより、特徴点の位置とスケールの両方を細かく特定できます。

次に、コントラストの低い点を除去します。DoG値の絶対値が一定の閾値（一般的には0.03）未満の点は、ノイズの影響を受けやすいため、特徴点としては不適切と判断し除外します。

さらに、エッジ上の点を取り除きます。エッジは一方向にのみ強い変化を示すため、特徴点として位置を一意に特定するのが難しい性質があります。SIFTでは、ヘッセ行列の固有値の比を計算することでエッジを判定します。具体的には、固有値の比が一定の閾値（通常は r = 10）を超える点をエッジ上の点として除外します。

この絞り込みプロセスを経ることで、コーナーのような明確に局在化された、安定した特徴点のみが残ります。

ステップ3：方向の割り当て

SIFTが回転不変性を獲得するためには、各キーポイントに「向き（オリエンテーション）」を割り当てる必要があります。この向きを基準にして特徴を記述することで、画像が回転しても同じ特徴ベクトルが得られるようになります。

具体的な手順は次の通りです。まず、キーポイント周辺の小領域（スケールに応じたサイズ）内の各画素について、勾配の大きさ m(x, y) と方向 θ(x, y) を計算します。これらは画素の輝度値の差分から求められます。

次に、360度を36個のビン（10度刻み）に分けたヒストグラムを作成します。各画素の勾配方向に対応するビンに、勾配の大きさをガウシアン重み付けして加算していきます。重み付けには、キーポイントからの距離に応じたガウシアン関数を用いるため、キーポイントに近い画素ほど影響が大きくなります。

ヒストグラムのピークがキーポイントの主方向となります。また、最大ピークの80%以上の値を持つ他のピークがある場合は、その方向にも追加のキーポイントを生成します。これにより、複数の優勢な方向を持つ場所では、複数のキーポイントが生成され、マッチングの安定性が向上します。

ステップ4：キーポイント記述子の生成

最後のステップでは、各キーポイントを表現する特徴ベクトル（記述子）を生成します。SIFTの記述子は128次元のベクトルとして表現され、これがSIFTの識別性の高さを支える核心部分です。

まず、キーポイントの周囲に16×16画素の領域を設定します。この領域は、先に求めたキーポイントの主方向に合わせて回転させ、向きを正規化します。これによって回転不変性が実現されます。

次に、16×16の領域を4×4の小領域（サブブロック）に分割します。つまり全体で4×4＝16個のサブブロックが作られ、各サブブロックは4×4＝16画素を含みます。

各サブブロックにおいて、8方向（45度刻み）の勾配方向ヒストグラムを作成します。各画素の勾配方向と大きさを、対応するビンに加算していきます。ここでもガウシアン重み付けが用いられ、キーポイントに近い画素の影響が強くなるよう調整されます。

これにより、16個のサブブロックそれぞれに8方向のヒストグラムが作られ、16×8＝128次元のベクトルが完成します。最後に、このベクトルを正規化し、照明変化への頑健性を高めます。一般的には、ベクトルを単位長に正規化した後、各要素の値を0.2で閾値処理し、再度正規化するという手順が取られます。

SIFTのマッチングと応用

2枚の画像から得られたSIFT特徴点をマッチングする際は、特徴ベクトル間のユークリッド距離を計算します。最も近い特徴点と2番目に近い特徴点の距離比を取り、この比が一定の閾値（一般的には0.7〜0.8）未満であれば、信頼できるマッチとして採用します。これは「最近傍距離比（NNDR）」と呼ばれる手法で、誤マッチを大幅に減らすことができます。

SIFTの長所と短所

SIFTの長所は、何といってもその頑健性と識別性の高さです。スケール・回転・照明変化に対して安定しており、多くの応用において高い精度を実現します。また、128次元という比較的コンパクトな特徴ベクトルで点を表現できるため、データベースとのマッチングも効率的に行えます。

一方で、計算コストが高いという短所もあります。リアルタイム処理が求められる場面では、SIFTの処理時間がボトルネックになることがあります。また、長らく特許の問題があり、商用利用に制限がありました（米国特許は2020年3月に失効し、現在は自由に利用可能です）。

これらの課題に対応するため、SIFTの後継として様々な高速化アルゴリズムが提案されています。代表的なものとして、SURF（Speeded-Up Robust Features）、ORB（Oriented FAST and Rotated BRIEF）、AKAZE などがあり、用途に応じて使い分けられています。

まとめ

SIFTは、画像処理・コンピュータビジョン分野における金字塔とも言えるアルゴリズムです。スケール空間の構築、DoGによる極値検出、キーポイントの絞り込み、方向の割り当て、128次元記述子の生成という4つのステップを通じて、画像から頑健で識別性の高い特徴を抽出します。

近年は深層学習ベースの特徴抽出手法（SuperPoint、LoFTR など）が登場し、性能面で従来手法を上回るケースも増えてきました。しかし、SIFTは学習を必要とせず、理論的にも明快で、依然として多くの実用システムで現役で使われています。コンピュータビジョンを学ぶ上で、SIFTの仕組みを理解することは今でも極めて価値のあることと言えるでしょう。