Opencv的KeyPoint和DMatch數據結構

最新推荐文章于 2022-03-21 20:07:18 发布

Thiac

最新推荐文章于 2022-03-21 20:07:18 发布

阅读量287

点赞数 1

文章标签： DMatch KeyPoint

/* 
 * Struct for matching: query descriptor index, train descriptor index, train image index and distance between descriptors. 
 */  
 /* 
  * DMatch主要用來儲存匹配信息的結構體，query是要匹配的描述子，train是被匹配的描述子，在Opencv中進行匹配時 
  * void DescriptorMatcher::match( const Mat& queryDescriptors, const Mat& trainDescriptors, vector<DMatch>& matches, const Mat& mask ) const 
  * match函數的參數中位置在前面的為query descriptor，後面的是 train descriptor 
  * 例如：query descriptor的數目為20，train descriptor數目為30，則DescriptorMatcher::match後的vector<DMatch>的size為20 
  * 若反過來，則vector<DMatch>的size為30 
  *  
 */  
struct CV_EXPORTS_W_SIMPLE DMatch  
{  
    //默認構造函數，FLT_MAX是無窮大  
    //#define FLT_MAX         3.402823466e+38F        /* max value */  
    CV_WRAP DMatch() : queryIdx(-1), trainIdx(-1), imgIdx(-1), distance(FLT_MAX) {}  
    //DMatch構造函數  
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, float _distance ) :  
            queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(-1), distance(_distance) {}  
    //DMatch構造函數  
    CV_WRAP DMatch( int _queryIdx, int _trainIdx, int _imgIdx, float _distance ) :  
            queryIdx(_queryIdx), trainIdx(_trainIdx), imgIdx(_imgIdx), distance(_distance) {}  
  
    //queryIdx為query描述子的索引，match函數中前面的那個描述子  
    CV_PROP_RW int queryIdx; // query descriptor index  
    //trainIdx為train描述子的索引，match函數中後面的那個描述子  
    CV_PROP_RW int trainIdx; // train descriptor index  
    //imgIdx為進行匹配圖像的索引  
    //例如已知一幅圖像的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。  
    CV_PROP_RW int imgIdx;   // train image index  
    //distance為兩個描述子之間的距離  
    CV_PROP_RW float distance;  
    //DMatch比較運算符重載，比較的是DMatch中的distance，小於為true，否則為false  
    // less is better  
    bool operator<( const DMatch &m ) const  
    {  
        return distance < m.distance;  
    }  
};

KeyPoint這數據結構中有如下數據結構(http://docs.opencv.org/3.3.0/d2/d29/classcv_1_1KeyPoint.html)：

angle：角度，表示關鍵點的方向，通過Lowe大神的論文可以知道，為了保證方向不變形，SIFT算法通過對關鍵點周圍鄰域進行梯度運算，求得該點方向。-1為初值。

class_id：當要對圖片進行分類時，我們可以用class_id對每個特徵點進行區分，未設定時為-1，需要靠自己設定

octave：代表是從金字塔哪一層提取的得到的數據。

pt：關鍵點點的座標

response：響應程度，代表該點強壯大小—response代表着該關鍵點how good，更確切的説，是該點角點的程度。

size：該點直徑的大小

转载自：

https://hk.saowen.com/a/8447b1a35c4f073bc22a0aa315ea01363d3d249e4982782006f26c8f689554b0