OpenCV学习之KeyPoint

OpenCV中CV_EXPORTS类别KeyPoint与KeyPointsFilter头文件分析

　　用OpenCV一段时间了，说实话KeyPoint接触也算比较多，一直没有时间对其数据结构进行分析。今天打开源码对其keypoint.cpp文件进行简单分析一下：keypoint.cpp主要包含两个类KeyPoint与KeyPointsFilter。其中KeyPoint包含基础的功能函数：读写存储keypoint函数、KeyPoint与Point2f转换函数、计算keypoint点覆盖率函数。KeyPointsFilter类主要是针对KeyPoint数据矢量存储附加一些功能函数：比如runByImageBorder()移除keypoint处于图像边缘的情况等等，下面会逐一进行分析其每个功能函数。首先来看一下KeyPoint类的声明：

　　其中KeyPoint存储类型已经在上面代码中进行简单注释，一般keypoint坐标属于必须存储参数，而class_id、response等其它属于非必须存在，如果没有保存值一般为-1。

再来看一下KeyPointsFilter类函数：

　　KeyPointsFilter包含5个功能函数：分别为runByImageBorder()、runByKeyPointSzie()、runByPixelsMask()、removeDuplicated()、retainBest()，其每个函数主要功能已在注释中说明。

下面看一下源码实现KeyPoint::overlap()函数：

　　overlap()函数主要计算keypoint矢量集中两个kp（点集）覆盖率为多少，其实就是计算两个特征点ovrl = 交集/并集。该函数可以用来进行特征点稳定评估、或者根据ovrl进行重复点判断也是可以的。基础IO接口功能read()与write()函数为静态函数只作用于该keypoint.cpp文件下:

　　关于KeyPoint与Point2f功能结构矢量集转换模块已经在OpenCV学习之Data Structure Conversion写过，可以进行查看参考。

Ok,下面阅览一下KeyPointsFilter类附加的功能函数：

　　根据KeyPoint存储的response响应值进行排序，retainBest()函数获取最佳的npoints个点。

　　runByImageBorder()移除keypoints处于图像边缘的点，这里图像边缘指的是图像边界信息。将keypoint处于borderSize范围的点进行删除。

　　KeyPoint检测到的size直径可能大小不一，设置[minSize maxSize]对其进行限制，超过范围的进行删除。好处在于大尺度下特征点在进行尺度归一化情况下会偏差较大(插值)，同时尺度变化太大keypoints进行匹配难度较大。删除这些点集会提升提取keypoints点集的正确点占比率。

　　根据输入mask矩阵来进行移除像素偏移超过0.5f的keypoints，主要应用在亚像素插值判断上面。

　　KeyPointsFilter::removeDuplicate()函数主要移除keypoints距离相聚较近的情况下，一般尺度空间检测的keypoints在最后进行尺度归一化的时候，会出现大量的重复点(可能会有轻微坐标偏移)。这种情况下需要对位置很近的keypoints进行筛选，例如可以对其response进行排序来筛选等等。

小结

　　今天简单总结一下keypoint.cpp下面的基础功能函数，其中许多函数貌似平常用到很少：比如runByImageSize()、retainBest()等等。其实，这些函数在SIFT、ORB源码下面都会有部分涉及。当然，平时我们使用最多的还是KeyPoint这个数据结构用来存储提取的特征信息。自己梳理一遍，清晰了不少！

　　如有错误，还请指正，谢谢！

参考

OpenCV源码中Keypoint.cpp