在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法，sift算法比较稳定，检测到的特征点也比较多，其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进，其中比较出名的就是本文要介绍的surf算法，surf的中文意思为快速鲁棒特征。本文不是专门介绍surf所有理论（最好的理论是作者的论文）的，只是对surf算法进行了下整理，方便以后查阅。 该代码的作者给出的主函数实现了6中功能，包括静态图片特征点的检测，视频中特征点的检测，图片之间的匹配，视频与图片之间的匹配

SIFT 特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处 理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种程度上对任意角度拍摄 的图像也具备较为稳定的特征匹配能力。该算法目前外文资料较多，但中文方面的介绍较少。为此 我撰写了这篇文档，以帮助国内的研究学者尽快入门，以最快的速度去体验 特征匹配算法是目前国内外特征点匹配研究领域的热点与难点，其匹配能力较强，可以处 理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题，甚至在某种

使用opencv完成图像拼接，使用suaf特征点匹配； 有详细的中文注释； 有中间过程（画出特征点、特征点匹配、旋转、曝光修正等）； VS2012工程，使用的是opencv2.4.11； 注意重新配置工程关于opencv的信息；-Use opencv complete image stitching, using suaf matching feature points a detailed Chinese annotation an intermediate process