关于OpenCV中有关存储特征点、描述子、匹配点对的vector和Mat的成员函数详解

对于使用OpenCV提取图像特征点的方法，全部分为五部分，第一步：创建特征检测算子，如ORB，SURF，SIFT等；第二步：创建vector keyPoints1, keyPoints2来存储detect到的特征点；第三步：创建Mat descriptors1, descriptors2来存储compute到的描述子；第四步：创建vector matches来存储match到的匹配点对；第五步：限制描述子之间的距离，选择距离较小的匹配点对。

说明：
1.关于vector keyPoints1, keyPoints2，可以理解其为两个具有500行（默认检测500个特征点）的结构体，结构体中包含有的成员有pt、size、angle、response、octave和class_id。使用下列方法进行访问：keyPoints1[0–499].pt，表示特征点的坐标，还有keyPoints1[0–499].pt.x和keyPoints1[0–499].pt.y来分别表示横纵坐标；keyPoints1[0–499].size用来返回特征点的大小；keyPoints1[0–499].angle返回特征点的角度；keyPoints1[0–499].response返回各特征点的响应值；keyPoints1[0–499].octave返回该点位于哪一层金字塔；最后的keyPoints1[0–499].class_id返回特征点的标签。
2.关于Mat descriptors1, descriptors2，这两个矩阵用来存储两个500行32列（ORB特征）的描述子，即每行代表一个特征点的描述子。
3.关于vector match，理解与keyPoints1一样。其中：match.size()返回match的行数；match[0–499].queryIdx返回当前“匹配点”在查询图像的特征在KeyPoints1向量中的索引号，可以据此找到匹配点在查询图像中的位置；match[0–499].trainIdx返回当前“匹配点”在训练（模板）图像的特征在KeyPoints2向量中的索引号，可以据此找到匹配点在训练图像中的位置；match[0–499].imgIdx返回当前匹配点对应训练图像（如果有若干个）的索引，如果只有一个训练图像跟查询图像配对，即两两配对，则imgIdx=0；match[0-499].distance返回特征点之间的欧氏距离，越小表明匹配度越高。