理論
在前一節(jié)木柬，我們看到了SIFT來做關(guān)鍵點檢測和描述皆串，但是它相對來說比較慢，人們需要更快的版本眉枕。在2006恶复， 三個人，Bay速挑，H.谤牡，Tuytelaars,T.和Van Gool, L, 發(fā)表了另一篇論文“SURF: Speeded Up Robust Features”介紹了一個新的算法叫SURF，名字中可以知道姥宝，他是加速版的SIFT拓哟。
SURF用盒子過濾器來近似LoG，下面的圖演示了這種近似伶授。一個很大的好處是用盒子過濾器卷積可以很容易的計算断序，還可以在不同尺度并行計算。SURF在尺度和位置上依賴Hessian矩陣的決定糜烹。
OpenCV里的SURF
OpenCV提供了SURF函數(shù)违诗，你用一些可選條件，比如64/128-維的描述來初始化一個SURF對象疮蹦，然后做SIFT诸迟，我們可以使用SURF.detect()， SURF.compute()來找關(guān)鍵點和描述愕乎。
首先我們會看到一個簡單的demo
>>> img = cv2.imread('fly.png',0)
# Create SURF object. You can specify params here or later.
# Here I set Hessian Threshold to 400
>>> surf = cv2.SURF(400)# Find keypoints and descriptors directly
>>> kp, des = surf.detectAndCompute(img,None)>>> len(kp)
699
1199個關(guān)鍵點太多阵苇，我們減少到50好畫他們，當匹配時我們需要所有的特征感论，所以我們提高Hessian閾值绅项。
# Check present Hessian threshold
>>> print surf.hessianThreshold
400.0# We set it to some 50000. Remember, it is just for representing in picture.
# In actual cases, it is better to have a value 300-500
>>> surf.hessianThreshold = 50000# Again compute keypoints and check its number.
>>> kp, des = surf.detectAndCompute(img,None)>>> print len(kp)
47
這比50少了，我們畫出它來
>>>img2=cv2.drawKeypoints(img,kp,None,(255,0,0),4)
>>>plt.imshow(img2),plt.show()
現(xiàn)在使用U-SURF.
# Check upright flag, if it False, set it to True
>>> print surf.upright
False>>> surf.upright = True
# Recompute the feature points and draw it
>>> kp = surf.detect(img,None)
>>> img2 = cv2.drawKeypoints(img,kp,None,(255,0,0),4)>>> plt.imshow(img2),plt.show()
看下面的結(jié)果比肄，所有的方向都一樣了快耿，這比前面的更快，如果你遇到的是不太關(guān)心方向的芳绩，這就更好掀亥。
最后我們檢查描述的大小，如果是64維的話就把它變成128妥色。
# Find size of descriptor
>>> print surf.descriptorSize()
64# That means flag, "extended" is False.
>>> surf.extended
False# So we make it to True to get 128-dim descriptors.
>>> surf.extended = True
>>> kp, des = surf.detectAndCompute(img,None)
>>> print surf.descriptorSize()
128
>>> print des.shape
(47, 128)
