如果對surf的**或者使用到此為止，我覺得只是用surf這把牛刀嚇唬了乙個小雞仔，萬里長征才剛剛開始第一步，最少有三個問題需要得到解答：
keypoints資料結構包含的內容有：
經過歸一化後的描述子mat矩陣顯示
這兩個長的很大條的影象就是描述子的影象顯示，影象的行數是特徵點的個數，上例中影象1的特徵點數比影象二的少，表現出來就是影象的高度小一些。
影象的列數是描述特徵點的描述子的維度數，在surf中，維度是64，在sift中，維度是128，所以如果使用sift特徵的話，影象應該寬兩倍。
matches資料結構包含的內容有：
sort方法可以對匹配點進行從小到大的排序：
使用sort排序之前，每個匹配點對間的距離（即匹配穩健性程度）是隨機分布的，排序之後，距離按由小到大的順序排列，越靠前的，匹配度越高，可以通過排序後把靠前的匹配提取出來。
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 ...
SURF 特徵匹配
參考 博主對原始碼進行了分析，不過很多沒看明白。分為幾個部分。積分圖 借助積分影象，影象與高斯二階微分模板的濾波轉化為對積分影象的加減運算。在哈爾特徵中也用到這個。doh近似 將模板與圖產像的卷積轉換為盒子濾波運算，我們需要對高斯二階微分模板進行簡化，進而對hessian矩陣行列式的值進行簡化。使用...
SURF特徵提取
surf，全稱speeded up robust feature，是sift演算法的改進版和加速版，綜合性能更優。由herbert bay發表在2006年的歐洲計算機視覺國際會議 europen conference on computer vision，eccv 上。surf演算法利用了積分圖 特...