近期事情太多了，課業也繁多，好久沒更了，今天對OpenCV中經常用到的一些數據類型的結構進行一波分析，爲自己做記錄的同時也分享給大家。閒言少敘，開始操作。
一、KeyPoint 數據結構
angle //關鍵點的方向，值爲0~360，負值表示不使用。如SIFT算法中爲了保證方向不變形，
//通過對關鍵點周圍鄰域進行梯度運算，求得該點方向。（初值爲-1）
octave //表示的是關鍵點所在的圖像金字塔的層組
pt //關鍵點的座標。pt.x爲橫座標,pt.y爲縱座標。
reponse //響應程度，代表了該點是特徵點的穩健度，可以用於後續處理中特徵點排序
class_id //用於聚類的id，即當要對圖片進行分類時，我們可以用class_id對每個關鍵點進行區分，
//默認爲-1，也可自己設定
size //關鍵點鄰域直徑 OpenCV源碼再現KeyPoint數據類型
二、DMatch 數據結構
queryIdx //query描述子的索引，即特徵點在訓練圖像中檢測出的特徵點集中的下標號
trainIdx //train描述子的索引，即特徵點在匹配圖像中檢測出的特徵點集中的下標號
imgIdx //進行匹配圖像的索引
//如已知一幅圖像的sift描述子，與其他十幅圖像的描述子進行匹配，
//找最相似的圖像，則imgIdx此時就有用了。
distance //對應特徵點之間的歐氏距離，越小表明匹配度越高OpenCV源碼再現
