reference：
surf 演算法，全稱是 speeded-up robust features。該運算元在保持 sift 運算元優良效能特點的基礎上，同時解決了 sift 計算複雜度高、耗時長的缺點，對興趣點提取及其特徵向量描述方面進行了改進，且計算速度得到提高。
具體步驟為：
1、構造hessian矩陣，計算特徵值α
surf構造的金字塔影象與sift有很大不同，就是因為這些不同才加快了其檢測的速度。sift採用的是dog影象，而surf採用的是hessian矩陣行列式近似值影象。首先是影象中某個畫素點的hessian矩陣：
其中，lxx、lxy、lyy為高斯濾波後影象g（σ）在各個方向的二階導數。
二階導數計算方法為：d2l(x)/dx2=(l(x+1)-l(x))-(l(x)-l(x-1))=-2*l(x)+l(x+1)+l(x-1)，其中l(x)=g(h(x))（h(x)為原始影象的灰度值，l(x)是將h(x)高斯濾波處理後的影象）。
為了找出影象中的特徵點，需要對原圖進行變換，在sift演算法中，實在dog影象中進行，那麼，在surf演算法中，該如何進行呢？該變換圖就是原圖每個畫素的hessian矩陣行列式的近似值構成的。公式為
其中，0.9為原文作者給出的乙個經驗值。
由於求hessian時要先高斯平滑，然後求二階導數，這在離散的畫素點是用模板卷積形成的，這2種操作合在一起用乙個模板代替就可以了，比如說y方向上的模板如下，以9*9的模板為例：
圖中灰色畫素代表0；上圖中1為y方向的先高斯濾波然後二階求導的處理，近似處理為圖3，圖2位x和y方向上的先高斯濾波然後二階混合偏導，近似為圖4。
有了這個近似的模板以後，計算高斯濾波和二階導數兩個步驟就可以乙個步驟完成，同時，為了提高計算效率，還引入了積分影象的概念，提高了速度。
下面就來介紹一下積分影象的知識:
SURF檢測演算法
surf 演算法，全稱是 speeded up robust features，是針對sift演算法的基礎上進行的改進。最核心的內容是確定hession矩陣，hession矩陣其實就是影象中畫素座標x y對高斯濾波函式求解得到的偏導矩陣。a.影象中某個畫素點hessian矩陣 即每乙個畫素點都可以求...
Surf特徵檢測
原文 對於其原理我還沒看過，只是略知道是特徵點檢測的，最近同學用到需要將檢測到的匹配的特徵點輸出來，這才看了一下函式的介面，如果以後用到了原理，再去研究和學習一下，這裡對 進行一下備份 cpp view plain copy include include include opencv2 core ...
特徵檢測 SURF演算法原始碼收集
前言 1 googlecode 原始碼位址1 2 googlecode 原始碼位址2 3 c 版原始碼 4 matlab版原始碼 5 opencv版原始碼 英文注釋 6 opencv版原始碼 中文注釋 1 surf wikipedia 2 surf原 翻譯 pdf 3 影象區域性不變性特徵與描述 p...