RobHess的SIFT源代码，利用OpenCV实现SIFT特征提取和RANSAC剔除错误匹配，可以用于全景图像拼接，注释很详细。

文章目录一、简述二、原理三、实验要求四、实验代码五、实验结果与分析六、总结 一、简述 RANSAC是“RANdom SAmple Consensus（随机抽样一致）”的缩写。它可以从一组包含“局外点”的观测数据集中，通过迭代方式估计数学模型的参数。它是一种不确定的算法——它有一定的概率得出一个合理的结果；为了提高概率必须提高迭代次数。 RANSAC的基本假设是： （1）数据由“局内点”组成，例如：数据的分布可以用一些模型参数来解释； （2）“局外点”是不能适应该模型的数据； （3）除此之外的数据属于噪声。 局外点产生的原因有：噪声的极值；错误的测量方法；对数据的错误假设。 RANSAC也做了以

sift提取特征+匹配，ransac校准。尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。

SIFT+LBP算法实现代码,可直接运行

颜色直方图，LBP特征提取（多种）

c++实现SIFT，只用到了opencv中的数据结构

% HOG特征提取------------ % 第1步：计算水平,竖直方向, 像素梯度矩阵：Ix、Ty % 第2步：计算image对应：angle,magnitude矩阵 % 第3步：遍历, 第1层遍历block, 第2层遍历cell, 第3层遍历pixel % 计算每个pixel直方图，直方图合并 % 第4步：L2-Norm归一化, 0.2截断, 再L2-Norm归一化 % LBP特征提取----------- % 第1步：灰度图转化 % 第2步：第1层-遍历像素点, 第2层-遍历八邻域 % 第3步：8位二进制特征，转化为1个十进制特征

LBP算法个人见解,对初学者有一定帮助吧

用opencv+VS2012实现的SIFT特征提取与匹配算法，已编译通过，直接打开就能运行

图像中SITF特征检测代码，可以检测SIFT特征并显示在图像上