学习笔记之opencv模板和特征点

模板匹配
定义：在一幅图像中寻找与另一幅模板图像最匹配（相似）部分的分析技术。
本质：通过滑动（图像块一次移动一个像素），在每一个位置，都进行一次度量计算来表明它是“好”或“坏”地与那个位置匹配（或者说块图像和原图像的特定区域有多么相似）。

特征点
定义：能够表明物体本身特征的点。
尺度不变性：即使你处理在不同的拍摄条件下拍摄同一物体，都能够得到同样的特征值。
常用的特征点寻找方法：（敲黑板）
SIFT（即尺度不变特征变换）、SURF、ORB
注：opencv中，使用SIFT和SURF要联编contrib库

特征点提纯
由于采用特征匹配可能会得到很多匹配的结果。对于自然图像来说，效果一般比较好。但是，另外一些情况，匹配的结果很多，也有很多错误。
使用办法：RANSAC（随机抽样一致性）
案例：王先荣
交叉检验？
imagewatch?

根据情况选择合适的方法
1：特征点有没有失效的时候？怎么办？
由于在图像采集的时候设置不当，或者就是由于物体本身特征不明的情况下，找不到足够的特征点？怎么办？
解决办法一：采用前后的变换矩阵进行拟合，也就是估计出可能的情况。但是这里是8参数估计，所以只是在一些特殊的情况下效果较好（比如有机械臂控制的平面移动）。
解决办法二：可以采用模板识别辅助获得变换的具体情况。
解决办法三：想办法提高特征点的数目。