首先，需要安装必要的 python 库，包括 opencv 和 numpy。

安装 opencv:

pipinstall opencv-python

安装 numpy:

pipinstall numpy

然后，可以使用以下代码来导入所需的库和函数：

import cv2
import numpy as np

接下来，需要读入 SAR 图像。这可以使用 cv2.imread 函数实现：

# 读入第一幅图像
img1 = cv2.imread('image1.jpg')

# 读入第二幅图像
img2 = cv2.imread('image2.jpg')

接着，可以使用 cv2.xfeatures2d.SURF_create 函数创建一个 SURF 对象，并设置阈值。较低的阈值会导致检测到更多的特征点，但匹配可能会变得更劣。

# 创建 SURF 对象
surf = cv2.xfeatures2d.SURF_create(threshold=3000)

接下来，可以使用 SURF 对象的 detectAndCompute 函数检测和计算图像中的特征点。这个函数会返回两个结果：特征点的坐标和描述符。

# 检测第一幅图像中的特征点
keypoints1, descriptor1 = surf.detectAndCompute(img1, None)

# 检测第二幅图像中的特征点
keypoints2, descriptor2 = surf.detectAndCompute(img2, None)

然后，可以使用 cv2.BFMatcher 函数创建一个暴力匹配器，并使用其 knnMatch 函数匹配