编程环境：

VS + OpenCV + C++
完整代码已经更新至GitHub,欢迎fork~GitHub链接

声明：创作不易，未经授权不得复制转载
statement:No reprinting without authorization

内容：

• 了解OpenCV中实现的SIFT, SURF, ORB等特征检测器的用法，并进行实验。将检测到的特征点用不同大小的圆表示，比较不同方法的效率、效果等。
• 了解OpenCV的特征匹配方法，并进行实验。

一、opencv特征检测和匹配的通用步骤及Code

//步骤一：读取图片并将图片灰度化 
//code：
Mat src1, src2;
src1 = imread("图片路径");
src2 = imread("图片路径");
Mat graySrc1, graySrc2;
cvtColor(src1, graySrc1, CV_BGR2GRAY);
cvtColor(src2, graySrc2, CV_BGR2GRAY);

//步骤二：提取特征并描述 
//code：
vector<KeyPoint> keys1;  
vector<KeyPoint> keys2;
Ptr<xfeatures2d::SURF> detector = xfeatures2d::SURF::create(1500);

Mat descriptorMat1, descriptorMat2;
detector->detectAndCompute(src1, Mat(), keys1, descriptorMat1);
detector->detectAndCompute(src2, Mat(), keys2, descriptorMat2);

//步骤三：特征点匹配 
//code：
    cv::BFMatcher matcher;
    std::vector<DMatch> matches;
    matcher.match(descriptorMat1, descriptorMat2, matches);

//步骤四：获取优秀匹配点 
//code：
double max_dist = 0; double min_dist = 100;
for (int i=0; i<descriptorMat1.rows; i++)
{
    double dist = matches[i].distance;
    if (dist < min_dist) min_dist = dist;
    if (dist > max_dist) max_dist = dist;
}
cout<<"-- Max dist :"<< max_dist<<endl;
cout<<"-- Min dist :"<< min_dist<<endl;

vector< DMatch > good_matches;
for (int i=0; i<descriptorMat1.rows; i++)
{
    if (matches[i].distance < 0.2*max_dist)
    {
        good_matches.push_back(matches[i]);
    }
}

//步骤五：绘制特征匹配图 
//code：
Mat img_matches;
drawMatches(src1, keys1, src2, keys2,good_matches, img_matches, 
            Scalar::all(-1), Scalar::all(-1),vector<char>(), 
            DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

注：需要添加#include<opencv2/xfeatures2d.hpp>，#include<opencv2/features2d.hpp>，其中SIFT和SURF在xfeatures2d中，ORB在feature2d中。