openCV中的特征点检测、描述子计算、特征匹配的一些类

openCV中特征提取的一些类的介绍

• 1. FeatureDetetor（特征点提取）

FeatureDetetor是opencv中的一个虚类，其在opencv中类的定义如下：

class CV_EXPORTS FeatureDetector  
{  
public:  
    virtual ~FeatureDetector();  
    void detect( const Mat& image, vector& keypoints,  
        const Mat& mask=Mat() ) const;  
    void detect( const vector& images,  
        vector<vector >& keypoints,  
        const vector& masks=vector() ) const;  
    virtual void read(const FileNode&);  
    virtual void write(FileStorage&) const;  
    static Ptr create( const string& detectorType );  
protected:  
    ...  
}; 

通过定义FeatureDetector的对象可以使用多种特征检测方法。通过create()函数调用:

Ptr FeatureDetector::create(const string& detectorType);
/*
其中特征点类型有以下几种。"FAST" – "STAR" – "SIFT" – "SURF" – "ORB" – "BRISK" – "MSER" – "GFTT" – "HARRIS" – "Dense" – "SimpleBlob"
*/

 也可以直接用单独的类名定义：

Ptr detector = 单独的类名::create();
/*
单独的类名有：FastFeatureDetector、StarFeatureDetector、SIFT (nonfree module)、SURF (nonfree module)、ORB、BRISK、MSER、GoodFeaturesToTrackDetector、GoodFeaturesToTrackDetector with Harris detector enabled、DenseFeatureDetector、SimpleBlobDetector
*/

其中生成的keypoint数据结构
angle：角度，表示关键点的方向，通过Lowe大神的论文可以知道，为了保证方向不变形，SIFT算法通过对关键点周围邻域进行梯度运算，求得该点方向。-1为初值。
class_id：当要对图片进行分类时，我们可以用class_id对每个特征点进行区分，未设定时为-1，需要靠自己设定
octave：代表是从金字塔哪一层提取的得到的数据。
pt：关键点点的坐标
response：响应程度，代表该点强壮大小，一开始我也理解不了，看到两位stackoverflow大大的原话（http://stackoverflow.com/questions/10328298/what-does-size-and-response-exactly-represent-in-a-surf-keypoint，http://stackoverflow.com/questions/24699495/opencv-keypoints-response-greater-or-less?lq=1）——response代表着该关键点how good，更确切的说，是该点角点的程度。瞬间明白。
size：该点直径的大小 注意一个问题：keypoint只是保存了opencv的sift库检测到的特征点的一些基本信息，也就上面所说的这些，但sift所提取出来的特征向量其实不是在这个里面，特征向量通过SiftDescriptorExtractor 提取，结果放在一个Mat的数据结构中。这个数据结构才真正保存了该特征点所对应的特征向量。具体见后文对SiftDescriptorExtractor 所生成的对象的详解。

---

---

1. DescriptorExtractor

   同上一个类一样，定义方法如下：

 Ptr=DescriptorExtractor::create("ExtractorType"); 
 /*
 ExtractorType有"SIFT" – "SURF" – "BRIEF" – "BRISK" – "ORB" – "FREAK"
 */

同上一个类一样，它也可直接调用每种类型的类名。方法如下：

Ptr<DescriptorExtractor> descriptor = 类名::create();
/*
类名有：FREAK、ORB、BRISK、SURF、BriefDescriptorExtractor、SIFT
*/

• 1. DescriptorMatcher

  DescriptorMatcher是匹配特征向量的抽象类，在OpenCV2中的特征匹配方法都继承自该类（例如：BFmatcher，FlannBasedMatcher）。该类主要包含了两组匹配方法：图像对之间的匹配以及图像和一个图像集之间的匹配。

  (1) 用于图像对之间匹配的方法的声明

// Find one best match for each query descriptor (if mask is empty).
    CV_WRAP void match( const Mat& queryDescriptors, const Mat& trainDescriptors,
    CV_OUT vector& matches, const Mat& mask=Mat() ) const;
// Find k best matches for each query descriptor (in increasing order of distances).
// compactResult is used when mask is not empty. If compactResult is false matches
// vector will have the same size as queryDescriptors rows. If compactResult is true
// matches vector will not contain matches for fully masked out query descriptors.
    CV_WRAP void knnMatch( const Mat& queryDescriptors, const Mat& trainDescriptors,
    CV_OUT vector<vector >& matches, int k,const Mat& mask=Mat(), bool compactResult=false ) const;
// Find best matches for each query descriptor which have distance less than
// maxDistance (in increasing order of distances).
    void radiusMatch( const Mat& queryDescriptors, const Mat& trainDescriptors,
    vector<vector >& matches, float maxDistance,const Mat& mask=Mat(), bool compactResult=false ) const;

 (2)  方法重载，用于图像和图像集匹配的方法声明

CV_WRAP void match( const Mat& queryDescriptors, CV_OUT vector& matches,const vector& masks=vector() );
CV_WRAP void knnMatch( const Mat& queryDescriptors, CV_OUT vector<vector >& matches, int k,const vector& masks=vector(), bool compactResult=false );
void radiusMatch( const Mat& queryDescriptors, vector<vector >& matches, float maxDistance,const vector& masks=vector(), bool compactResult=false );

定义方式如下：

Ptr matcher = DescriptorMatcher::create("matchType");
/*
BruteForce (it uses L2 )
BruteForce-L1
BruteForce-Hamming
BruteForce-Hamming(2)
FlannBased
*/

• 1. Dmatch
     Dmatch是opencv中用来存储匹配信息的结构体，下面是opencv中Dmatch类的定义：

struct CV_EXPORTS_W_SIMPLE DMatch  
{  
//默认构造函数，FLT_MAX是无穷大  
//#define FLT_MAX         3.402823466e+38F        
/* max value */  
    CV_WRAP DMatch() : queryIdx(-1), trainIdx(-1), imgIdx(-1), distance(FLT_MAX) {}  
//DMatch构造函数  
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, float _distance ) : queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(-1), distance(_distance) {}  
//DMatch构造函数  
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, int _imgIdx, float _distance ) :queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(_imgIdx), distance(_distance) {}  
//queryIdx为query描述子的索引，match函数中前面的那个描述子  
    CV_PROP_RW int queryIdx;  
//trainIdx为train描述子的索引，match函数中后面的那个描述子  
    CV_PROP_RW int trainIdx;   
//imgIdx为进行匹配图像的索引  
//例如已知一幅图像的sift描述子，与其他十幅图像的描述子进行匹配，找最相似的图像，则imgIdx此时就有用了。  
    CV_PROP_RW int imgIdx; 
//distance为两个描述子之间的距离  
    CV_PROP_RW float distance;  
//DMatch比较运算符重载，比较的是DMatch中的distance，小于为true，否则为false   
    bool operator<( const DMatch &m ) const  
    {  
        return distance < m.distance;  
    }  
};  

• 1. drawKeypoints
     特征点检测中(feature2d)的函数drawKeypoints()如下：

void drawKeypoints(const Mat& image, const vector& keypoints, Mat& outImg, const Scalar& color=Scalar::all(-1), int flags=DrawMatchesFlags::DEFAULT )
//例如：drawKeypoints( img_1, keypoints_1, outimg1, Scalar::all(-1), DrawMatchesFlags::DEFAULT )

其中有 :    image – 原图像、keypoints – 原图像的关键点、outImg – 输出图像、color – 关键点的颜色、flags – 设置绘图功能

• 1. drawMatchs

void drawMatches(const Mat& img1, const vector& keypoints1, const Mat& img2, const vector& keypoints2, const vector& matches1to2, Mat& outImg, const Scalar& matchColor=Scalar::all(-1), const Scalar& singlePointColor=Scalar::all(-1), const vector<char>& matchesMask=vector<char>(), int flags=DrawMatchesFlags::DEFAULT )

//例如：drawMatches ( img_1, keypoints_1, img_2, keypoints_2, matches, img_match );

其中参数如下：img1 –第一幅图
keypoints1 – 第一幅图的关键点
img2 – 第二幅图
keypoints2 – 第二幅图的关键点
matches – 正确匹配
outImg – 输出图
matchColor – 匹配的颜色（连接线）
如果 matchColor==Scalar::all(-1) , 颜色随机
singlePointColor – 无匹配的点的颜色（圆圈）
如果 singlePointColor==Scalar::all(-1) ,颜色随机
matchesMask – 决定哪些匹配要画出来，若空，则全画
flags – 标志位