surf算法代码python

Surf (Speeded Up Robust Features) 是一种广泛用于计算机视觉领域，特别是图像匹配和物体识别的特征检测算法。在Python中，我们可以使用开源库`surf`或`opencv`来实现SURF。

以下是使用`opencv`库来实现 SURF 的简单示例：

import cv2
import numpy as np

# 加载图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 初始化SURF对象
surf = cv2.xfeatures2d.SURF_create()

# 检测特征点并计算描述符
kp1, des1 = surf.detectAndCompute(img1, None)
kp2, des2 = surf.detectAndCompute(img2, None)

# 可视化特征点
img1_with_keypoints = cv2.drawKeypoints(img1, kp1, img1, color=(0,255,0), flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
cv2.imshow('Image with keypoints', img1_with_keypoints)
cv2.waitKey(0)

# 使用BFMatcher进行匹配
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)

# 过滤匹配结果
good_matches = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good_matches.append([m])

# 绘制匹配的特征点
img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good_matches, None, flags=2)
cv2.imshow('Good Matches', img3)
cv2.waitKey(0)

在这个例子中，我们首先加载两张图片，然后创建SURF对象。接着检测每张图片的关键点并获取相应的描述符。使用BFMatcher对两组描述符进行匹配，并过滤出高质量的匹配。最后，我们将匹配的特征点显示出来。