Opencv中特征点提取和匹配介绍

1. 特征点类：

   class KeyPoint

   {            Point2f  pt;  //坐标

                float  size; //特征点邻域直径

                float  angle; //特征点的方向，值为[零,三百六十)，负值表示不使用

                float  response;

                int  octave; //特征点所在的图像金字塔的组

                int  class_id; //用于聚类的id

   }

2. 存放匹配结果的结构：

   struct DMatch

   {              //三个构造函数

             DMatch():

   queryIdx(-1),trainIdx(-1),imgIdx(-1),distance(std::numeric_limits<float>::max()) {}

             DMatch(int  _queryIdx, int  _trainIdx, float  _distance ) :

   queryIdx( _queryIdx),trainIdx( _trainIdx), imgIdx(-1),distance( _distance) {}

             DMatch(int  _queryIdx, int  _trainIdx, int  _imgIdx, float  _distance ) :  queryIdx(_queryIdx), trainIdx( _trainIdx), imgIdx( _imgIdx),distance( _distance) {}

             int   queryIdx;  //此匹配对应的查询图像的特征描述子索引

             int   trainIdx;   //此匹配对应的训练(模板)图像的特征描述子索引

             int   imgIdx;    //训练图像的索引(若有多个)

             float  distance;  //两个特征向量之间的欧氏距离，越小表明匹配度越高。

             bool   operator < (const DMatch &m) const;

   }；

3. trainIdx    是匹配之后所对应关键点的序号，第一个载入图片的匹配关键点序号
   queryIdx  是匹配之后所对应关键点的序号，第二个载入图片的匹配关键点序号

4. 根据序列号即可获得相应图片关键点的坐标、所属金字塔组等信息。
5. 在得到匹配点对的坐标之后，即可进行相应的拼接、目标检测等操作。SURF、SIFT特征提取和FLANN、BF特征匹配以及根据欧式距离剔除误匹配代码下载地址： http://download.csdn.net/detail/u011028345/9770964