static Ptr<SURF> create(
double hessianThreshold=100,//SURF中使用的hessian關(guān)鍵點檢測器的閾值
int nOctaves = 4, //關(guān)鍵點檢測器將使用的金字塔組數(shù)量
int nOctaveLayers = 3,//高斯金字塔每個組內(nèi)圖像的層數(shù)
bool extended = false, //擴(kuò)展描述符標(biāo)志（true使用擴(kuò)展的128個元素的描述符，false使用64個元素的描述符）
bool upright = false//旋轉(zhuǎn)的特征標(biāo)志（true不計算方向，false計算方向）
);

void detect( 
InputArray image,//圖像
CV_OUT std::vector<KeyPoint>& keypoints,//檢測到的關(guān)鍵點,（在圖像集中關(guān)鍵點[i]是在圖像[i]中檢測到的一組關(guān)鍵點）
InputArray mask=noArray() //指定在哪里尋找關(guān)鍵點的掩碼（必須是在感興趣區(qū)域中具有非零值的8位整數(shù)矩陣）
);

void drawKeypoints( 
InputArray image, //源圖像
const std::vector<KeyPoint>& keypoints, //來自源圖像的關(guān)鍵點
InputOutputArray outImage,//輸出圖像
const Scalar& color=Scalar::all(-1), //關(guān)鍵點的顏色
int flags=DrawMatchesFlags::DEFAULT //設(shè)置繪圖功能的標(biāo)志
);

#include<opencv2/opencv.hpp>
#include<opencv2/xfeatures2d.hpp>
using namespace cv;
using namespace cv::xfeatures2d;

Mat src;
int minHessian = 50;
void trackBar(int, void*);
int main()
{
 src = imread("E:/image/image/bdb.jpg");
 if (src.empty())
 {
  printf("can not load image \n");
  return -1;
 }
 namedWindow("input", WINDOW_AUTOSIZE);
 imshow("input", src);

 namedWindow("output", WINDOW_AUTOSIZE);
 createTrackbar("minHessian","output",&minHessian, 500, trackBar);

 waitKey(0);
 return 0;
}


void trackBar(int, void*)
{
 Mat dst;
 // SURF特征檢測
 Ptr<SURF> detector = SURF::create(minHessian);
 std::vector<KeyPoint> keypoints;
 detector->detect(src, keypoints, Mat());
 // 繪制關(guān)鍵點
 drawKeypoints(src, keypoints, dst, Scalar::all(-1), DrawMatchesFlags::DEFAULT);
 imshow("output", dst);
}