surfsift算法配准，利用Ransac去除误匹配，c++源码

#include 
#include 
#include   
#include   
#include 
#include 
#include   
#include   

using namespace cv; 
using namespace std; 

int main（）
{
	initModule_nonfree（）;//初始化模块，使用SIFT或SURF时用到 
	Ptr detector = FeatureDetector::create（ “SURF“ ）;//创建SIFT特征检测器，可改成SURF/ORB
	PtrriptorExtractor> descriptor_extractor = DescriptorExtractor::create（ “SURF“ ）;//创建特征向量生成器，可改成SURF/ORB
	PtrriptorMatcher> descriptor_matcher = DescriptorMatcher::create（ “BruteForce“ ）;//创建特征匹配器  
	if（ detector.empty（） || descriptor_extractor.empty（） ）  
		cout<<“fail to create detector!“;  

	//读入图像  
	Mat img1 = imread（“C://Users//YYL//Desktop//c_FourCamera_Match//SIFT_RANSAC//TestImage//Pair2//1.JPG“）;  
	Mat img2 = imread（“C://Users//YYL//Desktop//c_FourCamera_Match//SIFT_RANSAC//TestImage//Pair2//2.JPG“）;  

	//特征点检测  
	double t = getTickCount（）;//当前滴答数  
	vector m_LeftKeym_RightKey;  
	detector->detect（ img1 m_LeftKey ）;//检测img1中的SIFT特征点，存储到m_LeftKey中  
	detector->detect（ img2 m_RightKey ）;  
	cout<<“图像1特征点个数:“<	cout<<“图像2特征点个数:“<
	//根据特征点计算特征描述子矩阵，即特征向量矩阵  
	Mat descriptors1descriptors2;  
	descriptor_extractor->compute（ img1 m_LeftKey descriptors1 ）;  
	descriptor_extractor->compute（ img2 m_RightKey descriptors2 ）;  
	t = （（double）getTickCount（） - t）/getTickFrequency（）;  
	cout<<“SIFT算法用时：“<
	cout<<“图像1特征描述矩阵大小：“<riptors1.size（）  
		<<“，特征向量个数：“<riptors1.rows<<“，维数：“<riptors1.cols<	cout<<“图像2特征描述矩阵大小：“<riptors2.size（）  
		<<“，特征向量个数：“<riptors2.rows<<“，维数：“<riptors2.cols<
	//画出特征点  
	Mat img_m_LeftKeyimg_m_RightKey;  
	drawKeypoints（img1m_LeftKeyimg_m_LeftKeyScalar::all（-1）0）;  
	drawKeypoints（img2m_RightKeyimg_m_RightKeyScalar::all（-1）0）;  
	//imshow（“Src1“img_m_LeftKey）;  
	//imshow（“Src2“img_m_RightKey）;  

	//特征匹配  
	vector matches;//匹配结果  
	descriptor_matcher->match（ descriptors1 descriptors2 matches ）;//匹配两个图像的特征矩阵  
	cout<<“Match个数：“<
	//计算匹配结果中距离的最大和最小值  
	//距离是指两个特征向量间的欧式距离，表明两个特征的差异，值越小表明两个特征点越接近  
	double max_dist = 0;  
	double min_dist = 100;  
	for（int i=0; i	{  
		double dist = matches[i].distance;  
		if（dist < min_dist） min_dist = dist;  
		if（dist > max_dist） max_dist = dist;  
	}  
	cout<<“最大距离：“<	cout<<“最小距离：“<
	//筛选出较好的匹配点  
	vector goodMatches;  
	for（int i=0; i	{  
		if（matches[i].distance < 0.2 * max_dist）  
		{  
			goodMatches.push_back（matches[i]）;  
		}  
	}  
	cout<<“goodMatch个数：“<
	//画出匹配结果  
	Mat img_matches;  
	//红色连接的是匹配的特征点对，绿色是未匹配的特征点  
	drawMatches（img1m_LeftKeyimg2m_RightKeygoodMa