OpenCV学习笔记：KeyPoint和DMatch数据结构详解

最新推荐文章于 2025-05-28 10:03:08 发布

视觉闫小亘

最新推荐文章于 2025-05-28 10:03:08 发布

阅读量3.1k

点赞数 8

CC 4.0 BY-SA版权

分类专栏： OpenCV学习笔记文章标签： KeyPoint DMatch

本文链接：https://blog.csdn.net/two_ye/article/details/103073763

OpenCV学习笔记专栏收录该内容

24 篇文章

订阅专栏

本文深入解析OpenCV中常用的数据结构KeyPoint和DMatch，包括关键点的方向、坐标、响应程度、邻域直径等属性，以及特征点匹配的索引、图像索引和匹配距离。适合计算机视觉和图像处理的学习者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

近期事情太多了，课业也繁多，好久没更了，今天对OpenCV中经常用到的一些数据类型的结构进行一波分析，为自己做记录的同时也分享给大家。闲言少叙，开始操作。

一、KeyPoint 数据结构

angle       //关键点的方向，值为0~360，负值表示不使用。如SIFT算法中为了保证方向不变形，
            //通过对关键点周围邻域进行梯度运算，求得该点方向。（初值为-1）
         
octave      //表示的是关键点所在的图像金字塔的层组

pt          //关键点的坐标。pt.x为横坐标,pt.y为纵坐标。

reponse     //响应程度，代表了该点是特征点的稳健度，可以用于后续处理中特征点排序

class_id    //用于聚类的id，即当要对图片进行分类时，我们可以用class_id对每个关键点进行区分，
            //默认为-1，也可自己设定
            
size        //关键点邻域直径

OpenCV源码再现KeyPoint数据类型
在这里插入图片描述

二、DMatch 数据结构

queryIdx        //query描述子的索引，即特征点在训练图像中检测出的特征点集中的下标号

trainIdx        //train描述子的索引，即特征点在匹配图像中检测出的特征点集中的下标号

imgIdx          //进行匹配图像的索引
                //如已知一幅图像的sift描述子，与其他十幅图像的描述子进行匹配，
                //找最相似的图像，则imgIdx此时就有用了。
                
distance        //对应特征点之间的欧氏距离，越小表明匹配度越高

OpenCV源码再现
在这里插入图片描述