Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配

视频项目中要用到拼接，这里记录一下SIFT、SURF、ORB三种特征点。 本文不做过多的理论解释，只是利用opencv简单实现三种特征点匹配算法的验证（改进的部分暂未上传）。

代码下载地址：Opencv下利用SIFT、SURF、ORB三种特征点实现图像匹配

环境： Windows下vs2010，opev2.4.9; 代码release下编译，工程release下的exe可以直接运行；编译工程需要配置opencv，见：opencv配置 注意： 工程具体添加以下lib（release下的dll与以下的lib是对应的）： opencv_core249.lib opencv_highgui249.lib opencv_imgproc249.lib opencv_features2d249.lib opencv_nonfree249.lib opencv_legacy249.lib

SIFT算法 SIFT特征是图像的局部特征，对平移、旋转、尺度缩放、亮度变化、遮挡和噪声等具有良好的不变性，对视觉变化、仿射变换也保持一定程度的稳定性。SIFT算法时间复杂度的瓶颈在于描述子的建立和匹配 ，如何优化对特征点的描述方法是提升SIFT效率的关键。 作者David Lowe原文（附有demo） Distinctive image features from scale-invariant keypoints 下载地址： http://www.cs.ubc.ca/~lowe/keypoints/ 附个SIFT算法讲解的帖子： http://blog.csdn.net/abcjennifer/article/details/7639681/ https://www.52ml.net/2713.html

SURF算法 SURF算法的优点是速度远快于SIFT且稳定性好;在时间上，SURF运行速度大约为SIFT的3倍；在质量上，SURF的鲁棒性很好，特征点识别率较SIFT高，在视角、光照、尺度变化等情形下，大体上都优于SIFT。 作者原文：Speeded-Up Robust Features (SURF) 下载地址： http://www.sciencedirect.com/science/article/pii/S1077314207001555 附个SURF算法讲解的子： https://www.52ml.net/2709.html

ORB算法 这个算法是由Ethan Rublee,Vincent Rabaud,Kurt Konolige以及Gary R.Bradski在2011年一篇名为“ORB：An Efficient Alternative to SIFT or SURF”的文章中提出。 原文下载地址： http://ieeexplore.ieee.org/document/6126544/?reload=true&arnumber=6126544 附个ORB算法讲解的帖子： http://www.cnblogs.com/ronny/p/4083537.html

三种特征点 1）尺度、旋转不变性（ORB算法在尺度方面效果较差）； 2）ORB较快，SURF运行速度大约为SIFT的3倍，ORB是sift的100倍，是surf的10倍。（这里摘录网上看到的，，具体视具体的数据）； 3）SURF的鲁棒性较好 具体的三种性能比较可见这篇文章： (1)多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法 (2)http://blog.jobbole.com/83919/