在上篇博客特征点检测学习_1(sift算法) 中简单介绍了经典的sift算法，sift算法比较稳定，检测到的特征点也比较多，其最大的确定是计算复杂度较高。后面有不少学者对其进行了改进，其中比较出名的就是本文要介绍的surf算法，surf的中文意思为快速鲁棒特征。本文不是专门介绍surf所有理论（最好的理论是作者的论文）的，只是对surf算法进行了下整理，方便以后查阅。 该代码的作者给出的主函数实现了6中功能，包括静态图片特征点的检测，视频中特征点的检测，图片之间的匹配，视频与图片之间的匹配

用K-means算法将点进行聚类，点以结构体的形式表示，opencv+vs2010跑通。-By K-means clustering algorithm point, the point structure in the form of representation, opencv+ vs2010 run through.

meanShift,均值漂移，在聚类、图像平滑、分割、跟踪等方面有着广泛的应用。一般是指一个迭代的步骤，即先算出当前点的偏移均值，然后以此为新的起始点，继续移动，直到满足一定的结束条件。(MeanShift, mean shift is widely used in clustering, image smoothing, segmentation, tracking and so on. Generally refers to an iterative step, that is, first

基于windows平台和k-聚类算法，对平面点集进行聚类(Based on the windows platform and the k- clustering algorithm, the plane point set is clustered)