很好的3D SIFT 特征代码。用于特征提取，特征匹配

很难找到的真正的空间三维图像的SIFT算法，而不是三维立体图的SIFT，包含关键点的特征提取部分，不包含前段多尺度高斯变换提取关键点部分。参考文献A 3-dimensional sift descriptor and its application to action recognition

此函数绘制两个图像之间的对应点。 它在匹配特征点的可视化调试中非常有用（至少对我而言），例如 SURF 或 SIFT 特征。 h = match_plot(img1,img2,points1,points2) 点 1 = [x1 y1; x2 y2; ...] = img1 中的对应点点 2 = [x1 y1; x2 y2; ...] = img2 中的对应点 原点是图像的左上角x 轴指向右侧，y 轴指向下方。 点 2 必须与点 1 的大小相同。 如果两张图片的尺寸不同，则较小的一张会被重新缩放。 对应的线以不同的颜色绘制，从红色到蓝色彩虹秩序。 返回图形句柄对象 h。

使用 OpenCV 和 Python 检测两个图像的相似程度 基于SIFT算法，包括代码和数据

sift图像匹配的纯matlab代码，研究图像配准的可以用这个。从特征提取到特征点的匹配都有相关的函数，大家可以根据自己的实际情况修改使用。

图像配准中估计出的Flow场的可视化，与FlowNet以及SIFT Flow文章的可视化策略相同

SIFT算法详解PPT，可直接用于演示，适合图形图像的初学者

有关图像拼接处理的C++算法。图像拼接的步骤 对每幅图进行特征点提取——对特征点进行匹配——进行图像配准——把图像拷贝到另一幅图像的特定位置——对重叠边界进行特殊处理。 第一步就是特征点提取。现在CV领域有很多特征点的定义，比如sift、surf、harris角点、ORB都是很有名的特征因子，都可以用来做图像拼接的工作，他们各有优势。 用SIFT算法来实现图像拼接是很常用的方法，但是因为SIFT计算量很大，所以在速度要求很高的场合下不再适用。所以，它的改进方法SURF因为在速度方面有了明显的提高（速度是SIFT的3倍），所以在图像拼接领域还是大有作为。虽说SURF精确度和稳定性不及SIFT，但是其综合能力还是优越一些。

SIFT特征匹配算法实现图像拼接,VC++编写,实现图像的拼接

hog svm matlab代码照片和视频的面部识别以及照片中数字的 OCR 这是我 2018-19 年在伦敦大学城市学院的计算机视觉模块的课程作业。 我们收到了几张同学（个人和团体）的照片。 我们的任务是准备图像数据，尝试不同的特征类型和分类器组合进行面部识别并报告结果。 （我已从我提交的报告中删除了所有面部图像）。 我使用了 HOG 和 SIFT 特征类型以及 CNN、MLP 和 SVM 分类器。 我们还负责使用 OCR 识别照片中每个人的数字。 完整的详细信息可以在报告中找到，所有代码都包含在下面。 要运行代码，您将需要 MATLAB（使用 R2018b 版来创建它）。 全部文件： Lesley Dwyer 计算机视觉报告，删除了人脸图像.pdf - 报告 RecogniseFace.m - 人脸识别功能 detectNum.m - 数字识别函数 trained_models_and_supporting_files 文件夹： bag.mat - 为 Bag of Fatures 创建的包； 需要使用 MLP_SURF 进行预测 CNN.mat - CNN 模型（*不可用 - 超