OpenCV之特征点匹配

特征点选取

        特征点探测方法有goodFeaturesToTrack(),cornerHarris()和SURF()。一般使用goodFeaturesToTrack()就能获得很好的特征点。goodFeaturesToTrack()定义：

void goodFeaturesToTrack( InputArray image, 
                          OutputArray corners,
                          int maxCorners, 
                          double qualityLevel, 
                          double minDistance,
                          InputArray mask = noArray(), 
                          int blockSize = 3,
                          bool useHarrisDetector = false, 
                          double k = 0.04 );

image:源图像；

corners:检测到的特征点位置；

maxcorner:为返回的特征点个数设置上限。
qualityLevel:反映出一个角形特征在它之前的强度，设置较低的值会返回更多的点;
minDistance:特征点之间的最小距离；

mask:如果mask(i,j)=0,那么不考虑像素p(i,j)；
blockSize:一个用于计算的像素周围的大小
useHarrisDetector:是否使用原来的哈里斯角探测器或一个最小特征值准则。
k:哈里斯角探测器的一个自由参数。

特征点跟踪

特征点跟踪使用光流算法：利用OpenCV光流算法实现视频特征点跟踪_视图猿人的博客-CSDN博客

为了进一步提高跟踪的准确度，采用正向和反向两次光流跟踪：

对于特征点P(i,j)，其正向光流算法计算出的位置为D(x,y);

对D(x,y)点再次使用光流算法，得到位置Q(m,n);

如果P==Q,也就是两个位置相同，那么就留下特征点P