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