FLANN介紹
在計算機視覺和機器學習中，對於一個高維特徵，找到訓練數據中的最近鄰計算代價是昂貴的。對於高維特徵，目前來說最有效的方法是the randomized k-d forest和the priority search k-means tree，而對於二值特徵的匹配multiple hierarchical clusteringtrees則比LSH方法更加有效。
目前來說，fast library for approximate nearest neighbors庫可以較好的解決這些問題。
FLANN庫全稱是Fast Library for Approximate Nearnest Neighbors，它是目前最完整的（近似）最近鄰開源庫。不但實現了一系列查找算法，還包含了一種自動選取最快算法的機制。FLANN是一個執行快速近似最近鄰搜索的庫，FLANN使用C++寫成，能夠很容易的通過C，MATLAB和Python等綁定提供的庫，用在很多環境中。
在計算機中，按照顏色和灰度的多少可以將圖像分爲灰度圖像、二值圖像、索引圖像和RGB圖像四種基本類型。在計算機中，通常是以數組(或矩陣)的形式儲存圖像的。
灰度圖像：
灰度圖像矩陣元素的取值範圍通常爲[0.255]，因此其數據類型一般爲8位無符號整數的【unit8】，這就是經常提到的256灰度圖像。0表示純黑色，255表示純白色，中間的數字從小到大表示由黑到白的過濾色。但在某些領域（例如醫學成像），要求提供超出【unit8】的動態範圍；會採用【unit16】和【int16】數據類型。針對計算灰度的操作（例如傅立葉變換），會使用【double】和【single】類型；如果圖像是【double】或【single】數據類型，灰度圖像的值通常被歸一化標定位【0-1】範圍內，0代表黑色，1代表白色，0到1之間的小數表示不同的灰度等級。二值圖像可以看成是灰度圖像的一個特例。（圖像的類型和圖像的數據類型是不同的概念，圖像的類型代表圖像的本身，圖像的數據類型只是在計算機上的存儲方式而已）