opencv surf 匹配之后的RANSAC降噪

         RANSAC算法查看Multiple View Geometry in Computer Vision 4.7Robust estimation

        上一篇文章的图中可以看到几个明显的surf噪点，用RANSAC除去。

        之前对RANSAC的理解是概率统计上的，一直想办法把几个噪点除去。跟老板讨论之后，才发现原来ransac真他妈博大精深。

广义上，ransac是先取几个数据点，选择一种模型，用这几个点求出模型，再用模型去验证剩下的点。不停地更换选择的数据点，直至选出一种模型使得容忍域里面的数据最多。则区域里的点就是置信点。

        在这里，可以用fundamental矩阵作模型，每次选择八个点，直至选出容忍数据最多的F矩阵，这样，就可以直接得到F矩阵。我本来就是为了得到F矩阵，所以就可以不用考虑哪些点是噪声点了，因为我已经得到最好的F矩阵。

        阅读Opencv 2 Computer Vision AP Cookbook第九章 之后发现opencv 自带的函数cv::findFundamentalMat()可以自动进行ransac降噪。

        书中给出了去除surf噪点的几个步骤：

        步骤1：（1）找到每个特征点distance最小的两个匹配点（另一幅图像中）

                       （2）求两个distance的比值（比值越小说明越匹配）

                       （3）若比值小于给定阈值，则认为匹配

         步骤2：对称匹配

                        若两幅的对应同一实体点的特征点互相匹配，则认为匹配，否则剔除。

        步骤3：RANSAC