48、计算机视觉中的关键点检测与匹配技术解析

计算机视觉中的关键点检测与匹配技术解析

1. 关键点特征检测与提取

在计算机视觉领域，关键点特征的检测与提取是重要的基础操作。许多关键点特征检测器和提取器会根据算法实现情况，被捆绑到一个单一对象中。此时， cv::Feature2D::detectAndCompute() 方法会被实现。

1.1 detectAndCompute() 方法优势

当某个算法提供了 detectAndCompute() 方法时，强烈建议使用该方法，而非依次调用 detect() 和 compute() 方法。这是因为 detectAndCompute() 具有更好的性能。通常，这类算法需要特殊的图像表示（即尺度空间表示），而计算这种表示可能成本较高。若分两步查找关键点并计算描述符，尺度空间表示基本上会被计算两次。

1.2 其他辅助方法

除了主要的计算方法，还有 descriptorSize() 、 descriptorType() 和 defaultNorm() 方法：
- descriptorSize() ：告知描述符向量表示的长度。
- descriptorType() ：返回向量描述符元素的具体类型信息，例如 CV_32FC1 表示 32 位浮点数， CV_8U