C++ 探测器、提取器和匹配器的分类

我是opencv新手，正在尝试实现两个图像之间的图像匹配。为此，我试图理解特征描述符、描述符提取器和描述符匹配器之间的区别。我遇到了很多术语，并试图在opencv文档网站上阅读它们，但我似乎无法理解这些概念。我理解这里的基本区别

但我在研究这个话题时遇到了以下术语：

快速、GFTT、筛选、冲浪、MSER、星星、球体、轻快、畸形、简短

我知道SIFT和SURF的工作速度有多快，但似乎无法确定上面哪一个只是检测器，哪一个是提取器

然后是配对者

弗兰贝斯、布鲁特福、肯尼马特和其他一些人

经过一些阅读，我认为某些匹配器只能与某些提取器一起使用，如这里所解释的。 给出的分类非常清楚，但它只适用于少数提取器，我不理解float和uchar之间的区别

所以基本上，有人能请你吗

根据浮点数和uchar（如上所述）或其他类型的分类，对探测器、提取器和匹配器的类型进行分类

解释浮动和uchar分类之间的区别，或使用哪种分类

提及如何初始化（编码）各种类型的检测器、提取器和匹配器

我知道这要求很多，但我将非常感激。 多谢各位

我知道，筛选、冲浪的速度有多快，但我似乎不明白 上面哪一个只是探测器，哪一个是提取器

基本上，从功能检测器/提取器列表（链接到文章：，，，，，，）中，其中一些只是功能检测器（FAST，GFTT），另一些是功能检测器和描述符提取器（SIFT，SURF，ORB，FRANK）

如果我没记错的话，BRIEF只是一个描述符提取器，所以它需要一些其他算法（如FAST或ORB）检测到的特征

为了确定哪个是哪个，您必须浏览与算法相关的文章或浏览opencv文档，以查看哪个是为

FeatureDetector

类实现的，或者哪个是为

DescriptorExtractor

类实现的

Q1：根据以下内容对检测器、提取器和匹配器的类型进行分类 如前所述，浮动和uchar，还是其他类型的分类

问题2：解释浮动和uchar分类之间的区别 或者使用哪种分类

关于问题1和问题2，将它们分为float和uchar，这是我所知道的最好的参考资料，也许有人能够完成它

问题3：提及如何初始化（编码）各种类型的探测器， 提取器和匹配器

在回答问题3时，OpenCV使使用各种类型的代码完全相同——主要是您必须选择一个特征检测器。最大的区别在于选择匹配器的类型，您已经提到了OpenCV的3种类型。您最好阅读文档和相关的堆栈溢出问题。此外，一些博客文章也是一个很好的信息来源，比如这些（博客不再可用，所以我不得不从它的谷歌缓存中创建一个原始文本副本）

匹配器用于查找一个描述符是否与列表中的另一个描述符相似。您可以将查询描述符与列表中的所有其他描述符进行比较（BruteForce），或者使用更好的启发式（flannbase，knnMatch）。问题是，启发式算法并不适用于所有类型的描述符。例如，基于法兰的实现仅用于

float

描述符，而不用于

uchar

（但自2.4.0以来，基于法兰的LSH索引可应用于uchar描述符）

引用有关

描述符的信息

类型：

描述符有“法兰基”两种类型， “蛮力匹配器”、“蛮力L1”和“蛮力哈明路德”。这个 “FlannBase”匹配器使用flann（快速库）进行近似匹配 最近邻居）引擎盖下的库，执行速度更快，但 近似匹配。“BruteForce-*”版本进行了详尽的搜索 用于查找图像特征与目标最近匹配的词典 字典里的单词

一些比较流行的组合是：

特征检测器/描述器提取器/匹配器类型

• （快速，冲浪）/冲浪/法兰基

• （快速，筛分）/筛分/法兰基

• （快速，圆球）/圆球/蛮力

• （快速，圆球）/简短/暴力

• （快速、冲浪）/怪胎/蛮力

您可能还注意到特性检测器有一些适配器（动态、金字塔、网格）。很好地总结了它们的用途：

（…）还有几个适配器可以用来更改 关键点检测器的行为。例如

动态

调整检测器类型特定检测阈值的适配器 直到在图像或

金字塔

适配器中找到足够的关键点 它构造了一个高斯金字塔来检测多个平面上的点 规模

棱锥体

适配器对于以下特性描述符非常有用： 它们不是尺度不变的

进一步阅读：

• 对SIFT、FAST、SURF、BRIEF、ORB、BRISK和FREAK做了很好的概述

• 这些算法还对其中的几个算法进行了详细的总结（简短、ORB、BRISK和FREAK）

---

这不是要求多少，而是要求多少