47、广义关键点与描述符：OpenCV中的图像特征处理

广义关键点与描述符：OpenCV中的图像特征处理

在计算机视觉领域，关键点和描述符是理解跟踪、目标检测及相关主题的重要概念。下面将详细介绍这些概念以及OpenCV中处理它们的方法。

1. 关键点与描述符基础概念

• 关键点（Keypoints） ：从抽象层面看，关键点是图像中具有独特特征的小区域，我们期望能在其他相关图像中定位到它。例如，Harris角点是早期重要的关键点类型，图像中沿两个不同轴强度有强烈变化的点，就是与其他相关图像匹配的良好候选点。像文本图像中，字母线条的起始、结束处或线条交叉处（如“h”或“b”的中间）能检测到Harris角点，而长线条边缘不会出现，因为边缘上的特征缺乏独特性。
• 描述符（Descriptors） ：通常是浮点值向量形式的数学构造，用于描述单个关键点，并判断两个关键点在特定上下文中是否“相同”。例如，我们可以用关键点周围3×3区域的强度值构成向量作为描述符，但这种方法对角度变化敏感。一般来说，旋转不变性是特征描述符的理想属性，但是否需要取决于具体应用。比如在检测和跟踪人物时，缺乏旋转对称性的描述符可能不是问题；而在航空影像中，由于飞机飞行方向改变导致影像方向随机，就需要旋转不变的描述符。

2. 关键点和描述符的应用场景

关键点及其描述符在以下三大类任务中非常有用：
- 跟踪（Tracking） ：在连续图像流中跟踪物体的运动，可分为跟踪静止场景中的物体和跟踪场景以估计相机运动（视觉里程计）。通常，“跟踪”一词指前者，后者则称为视觉里程计，实际应用中常同时进行这两项任