特征匹配算法

盒子(方框)滤波(BoxFilter)

盒子滤波是一种非常有用的线性滤波，也叫方框滤波，最简单的均值滤波就是盒子滤波归一化的情况。
归一化了就是均值滤波。

优势：就一个字：快！它可以使复杂度为O(MN)的求和，求方差等运算降低到O(1)或近似于O(1)的复杂度，也就是说与邻域尺寸无关了，有点类似积分图吧，但是貌似比积分图更快（与它的实现方式有关）。
https://blog.csdn.net/weixin_40647819/article/details/89740234

哈尔小波特征(Haar)

图像处理之Haar特征
https://blog.csdn.net/u012507022/article/details/54138299

========================================================
下面讲的是变换（不是这个）

哈尔小波变换(Haar)

对于二维的矩阵来讲，每一级Haar小波变换，需要先后进行水平方向和竖直方向上的两次一维小波变换，行和列的先后次序对结果不影响。
https://blog.csdn.net/u014744118/article/details/50435542
小波可以认为是一个带通滤波器，只允许频率和小波基函数的频率相近的信号通过。
小波变换的基本思想是用一组小波函数和基函数表示一个函数或者信号。
https://blog.csdn.net/baidu_27643275/article/details/84826773

单应性变换

一般传统方法估计单应性变换矩阵，需要经过以下5个步骤：
1.提取每张图SIFT/SURF/FAST/ORB等特征点
2.提取每个特征点对应的描述子
3.通过匹配特征点描述子，找到两张图中匹配的特征点对（这里可能存在错误匹配）
4.使用RANSAC算法剔除错误匹配
5.求解方程组，计算Homograph单应性变换矩阵
https://zhuanlan.zhihu.com/p/74597564
python—图像到图像的映射
https://codeantenna.com/a/NTOQT9TUEF

单应性定义
https://zh.m.wikipedia.org/zh-hans/%E5%8D%95%E5%BA%94%E6%80%A7