SURF特征点检测（阈值和绘点方式均可通过滚动条调节）



       SURF的原理我不再叙述，网上资料比较多。在计算视觉领域，尺度空间被象征性的表述为一个图像金字塔，向下降采样一般用高斯金字塔。其中，输入图像函数反复与高斯函数的核卷积并反复对其进行二次抽样，这种方法主要用于SIFT算法的实现，但每层图像依赖于原图像，并且图像需要重设尺寸，因此，这种计算方法运算量较大。SURF角点检测算法是对SIFT的一种改进，主要体现在速度上，效率更高。它和SIFT的主要区别是图像多尺度空间的构建方法不同。SURF算法对积分图像进行操作，卷积只和前一幅图像有关，其降采样的方法是申请增加图像核的尺寸，这也是SIFT算法与SURF算法在使用金字塔原理方面的不同。SURF算法允许尺度空间多层图像同时被处理，不需对图像进行二次抽样，从而提高算法性能。

       在此我参考《OpenCV3编程入门》配套示例程序：SURF特征点检测，对该程序进行了一些修改，在原程序的SURF特征点检测的基础上，添加了两个滚动条来实现hessian阈值和绘点方式的动态调节。

代码如下：