博主简介：matlab图像代码项目合作（扣扣：3249726188）

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

        本次案例是基于基于SURF算法的图像匹配，用matlab实现。

 一、案例背景和算法介绍

        前面的博客文章我们介绍图像处理的一个重要领域算法：图像匹配。图像匹配的算法比较多，有基于SIFT、SURF、Harris等特征的匹配算法，这次介绍的算法是SURF匹配算法。

        前期介绍的SIFT匹配：基于SIFT算法的图像匹配（【图像匹配】基于SIFT算法的图像匹配，matlab实现-CSDN博客）

        SURF (Speeded Up Robust Features, 加速稳健特征) 是一个稳健的图像识别和描述算法，首发于2006年发表在ECCV大会上。SURF算法其实可以看成是SIFT的升级版，SURF部分的灵感来自于 SIFT 算法。SURF使用海森矩阵（Hessian）的行列式值作特征点响应侦测并用积分图加速运算；SURF 的描述子基于 2D 离散小波变换响应Harr小波并且有效地利用了积分图。SURF标准的版本比SIFT要快数倍，并且其作者声称在不同图像变换方面比SIFT更加稳健。

        SURF算法的概念及步骤均建立在SIFT之上，但详细的流程略有不同。关于SURF的网上资料也是非常多，这里同样不做详细介绍。这里概述一下匹配的主要步骤，跟SIFT匹配类似，主要是特征算法不同，后续匹配步骤是一致的：

        1、获取SURF特征，得到SURF特征点之后，接下来就是匹配

        2、计算特征距离值，如符合一定规则（如设置距离少于某个值），则认为符合初步匹配

        3、利用RANSAC算法去除误匹配

       下面看看具体的matlab实现效果。

        完成匹配后，可以根据匹配效果做图像拼接操作了，这个后续的算法再做介绍。

二、Matlab实现效果

        原图：

SURF特征显示：

图像初始匹配效果：

利用RANSAC算法去除误匹陪：