[学习笔记-图像处理篇]梳理图像匹配算法细则

参考
KeyPoint
特征提取与匹配—SURF；SIFT；ORB；FAST；Harris角点
opencv中DMatch解释

---

1. 特征提取及描述

这一部分opencv都是有现成的，首先是初始化关键点和描述子变量。

vector<Keypoint> keypoints1, keypoints2;
Mat descriptors1, descriptors2;

关键点为<Keypoint>元素组成的向量，其中<Keypoint>类内容如下：

class KeyPoint
{
   
Point2f pt;//在图像中的像素坐标，xy分别对应uv方向
float size;//点的邻域直径
float angle;//点的方向
float response;////响应程度,代表该点的强壮程度,也就是该点角点程度,用于后期使用和排序
int octave;//特征点所在的图像金字塔的组
int  class_id;//用于聚类的id
}

描述子就是一个数字矩阵。

随后要设置特征点，比如SIFT，ORB。

Ptr<ORB> orb = ORB::create();

然后就是常规操作，特征提取描述，直接写就行。

orb->detect(img1, keypoints1);
orb->detect(img2, keypoints2);
//描述
orb->compute(img1, keypoints1, descriptors1);
orb