SIFT（Scale-Invariant Feature Transform，尺度不變特徵轉換）算法是一種計算機視覺算法，用於檢測和描述圖像中的局部特徵。它的核心思想是在不同的尺度空間中查找關鍵點（特徵點），並計算出這些關鍵點的方向。SIFT算法由David Lowe在1999年提出，並在2004年進行了完善和總結。
SIFT算法的特點包括對旋轉、尺度縮放、亮度變化的不變性，以及對視角變化、仿射變換、噪聲的一定程度穩定性。它通過構建圖像的金字塔（即不同尺度的圖像表示），使用高斯函式與原圖像進行卷積來模擬人眼在不同距離下觀察目標的過程。在金字塔的每一層上，通過計算差異 of Gaussian (DoG，高斯差分函式)來檢測極值點，這些極值點即為SIFT特徵點。
每個SIFT特徵點都包含位置、尺度和方向信息，這些信息共同構成了一個穩定的特徵描述子。這個描述子對於光線、噪聲、微小的視角變化都有很高的容忍度。由於SIFT特徵的信息量大，它非常適合在大量的資料庫中進行快速和準確的匹配。
SIFT算法的套用範圍非常廣泛，包括物體識別、機器人地圖感知與導航、圖像拼接、3D模型建立、手勢識別、圖像跟蹤和動作比較等。