写一份使用SURF算法来进行图像匹配的python代码。

SURF (Speeded Up Robust Features) 算法是一种用于图像特征提取和匹配的算法。它可以快速地检测图像中的关键点并计算每个关键点的描述符，以便进行图像匹配。

下面是一份使用 Python 代码来使用 SURF 算法进行图像匹配的例子：

import cv2

# 读入两张图像
img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")

# 创建 SURF 对象，并设置参数
surf = cv2.xfeatures2d.SURF_create()

# 检测和计算两张图像中的关键点和描述符
kp1, des1 = surf.detectAndCompute(img1, None)
kp2, des2 = surf.detectAndCompute(img2, None)

# 创建 BFMatcher 对象
bf = cv2.BFMatcher()

# 在两张图像之间匹配描述符
matches = bf.match(des1, des2)

# 将匹配结果绘制到图像上
img_matches = cv2.drawMatches(img1, kp1, img2, kp2, matches, None)

# 显示匹配结果
cv2.imshow("Matches", img_matches)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这份代码中，我们首先读入了两张图像，然后创建了一个 SURF 对象并设置了参数。接着，我们使用 detectAndCompute 函数来检测和计算两张图像中的关键点和描述符。然后，我们使用 BFMatcher 对象来在两张