两个经典的图像配准算法SIFT和SURF相关代码和文档。

基于SIFT特征提取的图片配准matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

sift源程序C++代码sift源程序C++代码sift源程序C++代码

描述： 这个函数 OPENSURF，是 SURF（加速鲁棒特征）的一个实现。 SURF 将检测图像中的地标点，并通过对（一点点）旋转、缩放和噪声具有鲁棒性的向量来描述这些点。 它可以以与获得专利的 SIFT（尺度不变特征变换）相同的方式使用。 因此根据对应点对齐（配准）两个或多个图像（参见 example3.m），或进行 3D 重建。 执行： Surf 的这个 Matlab 实现是 Chris Evans 的 OpenSurf C# 代码的 Matlab 优化翻译，并给出了完全相同的答案。 Chris Evans 编写了最好的、结构良好的全包 SURF 实现之一。 在他的网站上，您可以找到 OpenSURF 的评估以及 C# 和 C++ 代码。 http://www.chrisevansdev.com/opensurf/ Chris Evans 允许我在（Mathworks）BSD 许

sift 印章 图片 特征对比及特征的匹配化 matlab 印章特征提取于识别

SIFT算法在图像配准中的应用.doc

1.基于 NumPy 完全在 Python 中实现的 SIFT（David G. Lowe 尺度不变特征变换）算法。 2.此实现基于 OpenCV 并返回 OpenCV KeyPoint 对象和描述符，因此可以用作 OpenCV SIFT 的直接替代品。 3.旨在帮助计算机视觉爱好者了解 SIFT 背后的细节。

为消除视频序列之间的冗余信息，以简单的摘要形式表达视频的主要内容，提出了一种基于视频序列的图像拼接方法。首先，采用改进的帧间聚类算法提取视频的关键帧；其次，利用SIFT算法提取关键帧的特征点，采用最近邻算法进行特征点匹配，通过引导互匹配法和投票过滤法提高匹配精度；再次通过RANSAC鲁棒估计算法得到所选帧间的单映矩阵，并使用LM非线性迭代算法对单映矩阵进行精炼。最后，利用级联单映矩阵结合加权融合算法实现了视频序列的无缝拼接，实验效果较为理想。

一个跨平台的库，可计算快速，准确的SIFT图像特征。 libsiftfast提供Octave / Matlab脚本，命令行界面和python界面（siftfastpy）。 使用SIMD指令和OpenMP进行了优化。

cv2.error: OpenCV(3.4.3) C:\projects\opencv-python\opencv_contrib\modules\xfeatures2d\src\sift.cpp:1207: error: (-213:The function/feature is not implemented) This algorithm is patented and is excluded in this configuration; SetOPENCV_ENABLE_NONFREE CMake option and rebuild the library in function'cv::xfeatures2d::SIFT::create' 通过pip安装opencv-contrib-python后，运行出现上述问题，版本过高导致，可通过官网下载3.3( https://pypi.org/project/opencv-contrib-python/3.3.0.9/#files)，也可下载该资源。