vlfeat.org

VLFeat 是一个用 C 实现的开源计算机视觉算法库，提供 MATLAB、Octave、命令行和 C 四种调用方式。选择哪种方式取决于你的工作环境：在 MATLAB 中做算法验证选 MATLAB 接口；没有 MATLAB 许可证可用 Octave；只需对图像跑单个算法可用命令行工具；要把算法嵌入原生程序则用 C API。以下按这四种环境分别说明入口、步骤和验证方法。

先了解 VLFeat 提供什么

VLFeat 专注图像理解与局部特征提取、匹配，包含的算法有：

• 特征检测与描述：SIFT、Dense SIFT、MSER、HOG、LIOP、协变特征检测器
• 聚类：k-means、整数 k-means（IKM）、层次整数 k-means（HIKM）、凝聚信息瓶颈（AIB）
• 匹配：随机 kd 树与森林
• 其他：Fisher Vector、VLAD、高斯混合模型、SLIC 与 quick shift 超像素、大规模 SVM 训练、距离变换、AP/ROC 曲线绘制

库用 C 编写以保证效率和兼容性，外层提供 MATLAB 接口，支持 Windows、Mac OS X 和 Linux。当前最新版本为 0.9.21（2018 年 8 月发布，属维护版本，修复了 vl_argparse 与 MatConvNet 的兼容性以及新版 macOS 的二进制文件）。

四种调用方式怎么选

在 MATLAB 中调用

前提：本机已安装 MATLAB，并已下载 VLFeat 0.9.21 的对应平台包。

步骤：

1. 从官网 Download 页面获取 0.9.21 的 Windows/Mac/Linux 包，解压到本地目录。
2. 在 MATLAB 中把 VLFeat 的 toolbox 目录加入路径（官网 “Using from MATLAB” 页面给出具体设置方式）。
3. 按教程调用函数，例如用 vl_sift 做 SIFT 检测与描述、vl_mser 做 MSER 检测、vl_hog 提取 HOG 特征。

验证：运行官网 Tutorials 中的 SIFT 检测器与描述子示例，能对一张测试图输出关键点坐标与描述子矩阵即表示配置成功。

常见卡点：路径未加对时函数报未定义；不同 MATLAB 版本对 MEX 文件兼容性有差异，遇到加载失败先确认下载的是与操作系统匹配的包。

在 Octave 中调用

前提：已安装 GNU Octave。

步骤：与 MATLAB 类似，把 VLFeat 加入 Octave 的搜索路径，然后调用同名函数。官网单独提供 “Using from Octave” 说明页，按该页操作即可。

验证：跑一个简单聚类示例，如 vl_kmeans 对随机数据聚类，检查返回的聚类中心数量与输入设定一致。

常见卡点：Octave 与 MATLAB 在部分语法和 MEX 接口上存在差异，若某函数在 Octave 下报错，先查该使用说明页是否列出限制。

用命令行工具

前提：已下载对应平台的二进制包。

步骤：官网 “Using from the command line” 页面说明如何直接调用命令行工具；每个工具在 man pages 中有独立说明，例如 sift、mser 对应的手册页给出参数含义。典型用法是对一张图片运行检测器并输出结果文件。

验证：对示例图片运行 sift，检查输出文件中是否包含检测到的关键点记录。

常见卡点：命令行工具的参数因算法而异，务必以对应 man page 为准，不要凭记忆拼参数。

在 C 程序中调用

前提：具备 C 编译环境（g++、Visual C++ 或 Xcode 均可），并已获取源码。

步骤：

1. 从官网下载源码，按 “Compiling” 页面的说明在 UNIX-like 平台或 Windows 上编译。
2. 在项目中包含 VLFeat 头文件并链接生成的库，调用 C API。C API 文档中每个算法都附有算法描述。
3. 参考官网的 Xcode、Visual C++、g++ 配置说明设置工程。

验证：编译并运行官网 Example applications 中的示例（如 SIFT 匹配用于自动拼接），能输出匹配结果即表示集成成功。

常见卡点：编译失败多与平台工具链配置有关，优先对照 “Compiling on UNIX-like platforms” 或 “Compiling on Windows” 页面逐项检查。

文档与引用

• 文档入口：MATLAB API、C API（含算法描述）、man pages、Tutorials 四类，官网均有链接。
• 教程覆盖：局部特征框架、协变特征检测器、HOG、SIFT 检测器与描述子、Dense SIFT、LIOP、MSER、距离变换、Fisher Vector 与 VLAD、高斯混合模型、k-means、AIB、quick shift、SLIC、SVM、kd 树与森林、AP/ROC 绘制等。
• 示例应用：Caltech-101 分类、SIFT 匹配自动拼接。
• 学术引用：Vedaldi 与 Fulkerson 的 VLFeat 论文（2008），官网给出 BibTeX 条目，正式发表中引用该库时使用它。

如果你只是想在脚本里快速试一个算法，从 MATLAB 或 Octave 接口入手；如果目标是产品级集成，直接走 C API 并先跑通官方示例应用。

VLFeat 最新版本是 0.9.21，官网提供 Windows、Mac OS X、Linux 的二进制包，也提供源码和安装仓库。如果你只是想在 MATLAB 或 Octave 里调用 SIFT、MSER、k-means 等算法，直接下载对应平台的二进制包即可；如果你需要修改源码、在 C 项目中静态链接，或二进制包与你的编译器/系统不兼容，则下载源码自行编译。编译说明按平台分为 UNIX-like 平台和 Windows 两类，文档中另有 Xcode、Visual C++、g++ 等具体环境的使用说明。

下载：先确认你需要哪一类包

官网首页的 Download 区域提供两类内容：

版本信息以官网 News 为准：0.9.21 于 2018/8/1 发布，属于维护版本，修复了 vl_argparse 与 MatConvNet 的兼容性，并修复了较新版本 macOS 上的二进制文件。更早的 0.9.20（2015/1/14）同样是维护版本。也就是说，0.9.21 是当前应优先选择的版本，尤其在使用较新 macOS 时。

编译：按平台走两条路径

官网的 Compiling 部分把编译说明分成两类：

• UNIX-like 平台：覆盖 Linux、Mac OS X 等环境，通常用 make 完成构建。
• Windows：单独一套说明，文档中另有 Visual C++ 环境的使用指引。

此外，文档还提供 Xcode（macOS 图形化开发环境）和 g++ 的使用说明。选择哪条路径取决于你的目标：

1. 只想在 MATLAB 中跑算法：不需要编译，用二进制包，按 “Using from MATLAB” 页面配置即可。
2. 在 Octave 中使用：同样优先用二进制包，参考 “Using from Octave”。
3. 在 C 程序中调用：需要拿到编译产物（库文件与头文件），按 “Using from C” 配置包含路径和链接参数；若二进制包不匹配你的工具链，则从源码编译。
4. 只用命令行工具：参考 “Using from the command line”，二进制包中已包含相应可执行文件。

编译前需要准备的前提，官网没有逐项列出具体依赖清单，因此以对应平台的编译页面为准；不要假设二进制包一定能在任意编译器版本下直接链接。

验证安装是否成功

编译或解压完成后，用最小任务验证，而不是只看文件是否存在：

• MATLAB/Octave：按 “Using from MATLAB” 页面把 VLFeat 加入搜索路径后，调用一个简单函数（例如 vl_version，或文档教程中的 SIFT 示例），能返回结果即说明路径配置正确。
• 命令行：运行文档中列出的命令行工具（如 sift、mser），能输出帮助或处理一张示例图即说明可执行文件可用。
• C 项目：编译一个只调用库初始化或版本查询的最小程序，链接通过且运行不报错，再接入实际算法。

常见卡点

• macOS 上二进制包异常：0.9.21 的发布说明专门提到修复了较新 macOS 的二进制文件，遇到加载失败先确认版本是否为 0.9.21。
• MATLAB 中函数找不到：多为路径未加入或加入顺序不对，回到 “Using from MATLAB” 页面核对。
• C 链接失败：通常是头文件路径或库路径与你的平台/架构不匹配，此时改用源码按对应平台编译更稳妥。
• Windows 下编译报错：优先按 Windows 编译说明和 Visual C++ 指引操作，不要直接套用 UNIX-like 的步骤。

配套文档与教程

官网 Documentation 区域提供 MATLAB API、C API（含算法描述）和命令行工具的 man pages，Tutorials 覆盖局部特征帧、协变特征检测器、HOG、SIFT 检测子与描述子、Dense SIFT、LIOP、MSER、距离变换、Fisher Vector 与 VLAD、GMM、k-means、层次 k-means、AIB、quick shift、SLIC、SVM、KD 树与森林、AP/ROC 曲线绘制等主题。示例应用包括 Caltech-101 分类和 SIFT 匹配自动拼接，可作为安装后验证与入门的现成任务。

VLFeat（vlfeat.org）是一个开源计算机视觉算法库的官方网站，用 C 编写，提供 MATLAB 接口，支持 Windows、Mac OS X 和 Linux。它主要解决图像理解中的局部特征提取与匹配问题，适合需要在 MATLAB 或 C 环境中调用经典视觉算法（如 SIFT、MSER、HOG、SLIC）做研究、教学或原型开发的人。当前网站公布的最新版本是 0.9.21（2018 年 8 月发布）。

网站提供什么

网站本身不是在线工具，而是这个库的发布与文档入口，内容大致分四类：

• 下载：VLFeat 0.9.21 的 Windows / Mac / Linux 二进制包，以及源码和安装仓库、bug 跟踪入口。
• 文档：MATLAB API、C API（含算法说明）、命令行工具手册页（如 mser、sift、vlfeat）。
• 教程：按算法组织的入门材料，覆盖局部特征帧、协变特征检测器、HOG、SIFT 检测器与描述子、Dense SIFT、LIOP、MSER、距离变换、Fisher Vector 与 VLAD、高斯混合模型、k-means、层次聚类、AIB、Quick Shift 与 SLIC 超像素、SVM、KD 树与森林、AP/ROC 曲线绘制等。
• 示例应用：Caltech-101 分类、SIFT 匹配用于自动拼接。

核心算法一览

怎么开始用

1. 在下载页取得对应平台的 0.9.21 包（或源码自行编译）。
2. 按你的使用方式选入口：MATLAB、Octave、命令行或 C（网站另列了 Xcode、Visual C++、g++ 的编译说明，以及 UNIX-like 平台和 Windows 的编译指引）。
3. 对照教程跑通一个算法，例如先用 SIFT 教程理解检测与描述子的输入输出，再按需查阅对应 API 文档。

预期结果是：你能在自己的环境里调用库函数完成特征提取、聚类或匹配，而不是在网页上直接得到结果。

适合与不适合

适合：想用成熟、有文档的经典视觉算法做课程作业、论文实验或 MATLAB 原型；需要 C 层效率又希望有 MATLAB 易用接口；在 Windows、macOS、Linux 上跨平台使用。

需要留意：网站公布的版本停在 0.9.21（2018 年），新闻区此后再无更新记录；它是算法库而非深度学习框架，若你的任务依赖现代深度模型，网站同时推荐了同作者团队的 MatConvNet（MATLAB 深度学习工具箱）。另外，网站未提及价格信息，使用前应以许可证页面（License）的实际条款为准。

引用方式

若在论文中使用，网站给出的引用格式为：

@misc{vedaldi08vlfeat,
  Author = {A. Vedaldi and B. Fulkerson},
  Title = {{VLFeat}: An Open and Portable Library of Computer Vision Algorithms},
  Year = {2008},
  Howpublished = {\url{http://www.vlfeat.org/}}
}

VLFeat 最新版本是 0.9.21，于 2018 年 8 月 1 日发布，属于维护版本；官网同时提供了标准 BibTeX 引用条目，作者为 A. Vedaldi 和 B. Fulkerson，年份 2008。如果你在论文或项目中用到 VLFeat，应引用这个条目，而不是把版本号写进引用；如果你在评估它是否仍在活跃维护，需要知道 0.9.21 之后官网 News 中没有再列出新版本。

版本更新情况

官网 News 只列出两条版本发布记录：

从这两条记录能看出两点。第一，0.9.21 不是功能版本，改动集中在兼容性修复：vl_argparse 是 VLFeat 的 MATLAB 参数解析工具，修复它与 MatConvNet 的配合，说明当时不少用户在 MATLAB 深度学习流程里调用 VLFeat；macOS 二进制修复则针对系统升级后旧二进制无法运行的问题。第二，两次发布间隔三年多，且都是维护性质，官网也没有给出后续路线图。

适用条件：如果你的项目依赖 VLFeat 的 MATLAB 接口，并且运行在较新的 macOS 上，应优先使用 0.9.21 的官方二进制，而不是更早版本。如果你需要的是 2018 年之后新增的算法，官网资料中没有体现，不能假定存在。

学术引用方式

官网给出的 BibTeX 条目如下，可直接放入 .bib 文件：

@misc{vedaldi08vlfeat,
  Author = {A. Vedaldi and B. Fulkerson},
  Title = {{VLFeat}: An Open and Portable Library of Computer Vision Algorithms},
  Year = {2008},
  Howpublished = {\url{http://www.vlfeat.org/}}
}

使用时注意：条目类型是 @misc，没有版本字段和 DOI，引用键为 vedaldi08vlfeat。如果你的参考文献格式要求标注访问日期或版本，需要自行补充；官网条目本身不包含这些信息。

项目背景与致谢

官网首页提到，VLFeat 曾获 ACM OpenSource Award，并致谢 UCLA Vision Lab 与 Oxford VGG。这两条信息适合用在介绍项目来源的段落里，说明它出自学术视觉研究团队，而不是商业产品。

判断是否适合继续使用

结合版本信息，可以按以下条件做决定：

• 适合：教学、复现经典局部特征流程（SIFT、MSER、HOG、SLIC、Fisher Vector/VLAD、k-means、SVM 等），或需要在 MATLAB/Octave 中快速调用这些算法。官网提供 MATLAB、Octave、命令行和 C 四种使用入口，并有对应教程与 API 文档。
• 需要留意：项目在 2018 年后没有新版本记录，遇到新系统或新编译器问题时，官方修复可能缺失；此时可考虑从源码编译，或评估其他仍在维护的实现。
• 引用场景：论文方法部分使用其算法实现时，按上面的 BibTeX 条目引用即可，无需额外声明版本。

VLFeat（vlfeat.org）是一个开源计算机视觉算法库，用 C 编写，提供 MATLAB 和 Octave 接口，也支持命令行和 C 调用，覆盖 Windows、Mac OS X 和 Linux。网站上的教程与文档按“算法主题 + 调用方式”组织：教程页讲某个算法怎么用，MATLAB API、C API 和 man 手册则给出具体函数与参数说明。最新版本为 0.9.21（2018 年 8 月发布，维护性更新）。如果你要按任务找入口，先确定算法主题，再选 MATLAB、命令行或 C 中对应的文档。

教程覆盖的算法主题

网站教程按功能分为四类，每类对应一个可独立学习的页面：

这些教程面向具体任务，例如需要提取 SIFT 特征做匹配时，直接看“SIFT detector and descriptor”；需要把图像分割成超像素时，看 SLIC 或 Quick shift 页面。

文档的三种形态

同一算法通常有三种查法，按你的调用环境选择：

• MATLAB API：函数签名、参数和返回值说明，适合在 MATLAB 或 Octave 中调用。
• C API：带算法描述，适合在 C/C++ 项目中直接链接库使用。
• Man pages：命令行工具的手册页，例如 mser、sift、vlfeat，适合不写代码、直接用命令处理图像。

网站还单独列出“Using from MATLAB”“Using from Octave”“Using from the command line”“Using from C”四个入口，以及 Xcode、Visual C++、g++ 的编译说明和 UNIX-like 平台、Windows 上的编译指南。安装和编译问题应查这些页面，而不是算法教程。

示例应用

网站提供两个可直接参考的完整例子：

• Caltech-101 分类：演示从特征提取到分类的流程。
• SIFT 匹配用于自动拼接：演示特征检测、描述与匹配的组合使用。

这两个例子适合在学完单个算法教程后，用来理解多个模块如何串起来。

使用建议

先根据任务锁定算法主题（如 SIFT、SLIC、SVM），再按你的运行环境进入 MATLAB API、C API 或 man 手册查具体调用方式；编译或环境配置问题查对应的“Using from…”和“Compiling”页面。网站未提及价格或登录限制，下载页提供 0.9.21 版本的 Windows、Mac、Linux 二进制包及源码仓库链接。