surf+ransac匹配

#include 
#include 
#include 

using namespace std;
using namespace cv;
using namespace cv::xfeatures2d;


void surfMatch_ransac（Mat srcImage1Mat srcImage2Mat&Homgimg_matches） {
	//【0】改变console字体颜色  
	system（“color 1F“）;


	//【1】载入原始图片  
	/*Mat srcImage1 = imread（“1.jpg“ 1）;
	Mat srcImage2 = imread（“2.jpg“ 1）;*/
	Mat copysrcImage1 = srcImage1.clone（）;
	Mat copysrcImage2 = srcImage2.clone（）;

	

	//【2】使用SURF算子检测关键点  
	int minHessian = 800;//SURF算法中的hessian阈值  
	//SurfFeatureDetector detector（minHessian）;//定义一个SurfFeatureDetector（SURF） 特征检测类对象    
	vector keypoints_object keypoints_scene;//vector模板类，存放任意类型的动态数组  
	Ptrdetect = SURF::create（minHessian 4 3 true true）;
													   //【3】调用detect函数检测出SURF特征关键点，保存在vector容器中  
	Mat descriptors_object descriptors_scene;
	detect->detectAndCompute（srcImage1Mat（） keypoints_objectdescriptors_object）;
	detect->detectAndCompute（srcImage2 Mat（）keypoints_scenedescriptors_scene）;

	//【4】计算描述符（特征向量）  
	/*SurfDescriptorExtractor extractor;
	
	extractor.compute（srcImage1 keypoints_object descriptors_object）;
	extractor.compute（srcImage2 keypoints_scene descriptors_scene）;*/

	//【5】使用FLANN匹配算子进行匹配  
	FlannbasedMatcher matcher;
	vector< DMatch > matches;
	matcher.match（descriptors_object descriptors_scene matches）;
	sort（matches.begin（） matches.end（））;
	vector< DMatch > good_matches;
	int ptsPairs = std::min（30 （int）（matches.size（） * 0.15））;//匹配点数量不大于20
	cout << ptsPairs << endl;
	for （int i = 0; i < ptsPairs; i++）
	{
		good_matches.push_back（matches[i]）;//距离最小的50个压入新的DMatch
	}
	//double max_dist = 0; double min_dist = 100;//最小距离和最大距离  

	//										   //【6】计算出关键点之间距离的最大值和最小值  
	//for （int i = 0; i < descriptors_object.rows; i++）
	//{
	//	double dist = matches[i].distance;
	//	if （dist < min_dist） min_dist = dist;
	//	if （dist > max_dist） max_dist = dist;
	//}

	//printf（“>Max dist 最大距离 : %f \n“ max_dist）;
	//printf（“>Min dist 最小距离 : %f \n“ min_dist）;

	////【7】存下匹配距离小于3*min_dist的点对  
	//std::vector< DMatch > good_matches;
	//for （int i = 0; i < descriptors_object.rows; i++）
	//{
	//	if （matches[i].distance < 3 * min_dist）
	//	{
	//		good_matches.push_back（matches[i]）;
	//	}
	//}

	//绘制出匹配到的关键点  
	Mat img_matches;
	drawMatches（srcImage1 keypoints_object srcImage2 keypoints_scene
		good_matches img_matches Scalar::all（-1） Scalar::all（-1）
		vector（） DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS）;

	//定义两个局部变量  
	vector obj;
	vector scene;

	//从匹配成功的匹配对中获取关键点  
	for （unsigned int i = 0; i < good_matches.size（）; i++）
	{
		obj.push_back（keypoints_object[good_matches[i].queryIdx].pt）;
		scene.push_back（keypoints_scene[good_matches[i].trainIdx].pt）;
	}
	vector listpoints;

	//Mat H = findHomography（ obj scene CV_RANSAC ）;//计算透视变换   
	Mat H = findHomography（obj scene CV_RANSAC 3