OpenCV: Features2D Features FrameWork 图像二维特征检测、描述以及匹配框架的层次解析

刚开始学OpenCV的时候，总是看别人写的例子，很快拷贝下来运行之，看看效果，然后看看每一个函数是怎么调用的，各个功能函数是怎么组织在代码中的。这样虽然上手快，但是给人一种如在云里雾里的感觉，虽然看了很多例程，但是自己写的时候却脑袋空白，剪不断，理还乱。这是因为对OpenCV算法库的整个架构的认识还没有达到清澈见底的境界。所以要想把算法库内化为自己的血肉，随心所欲的运用，就必须要自己去分析整个算法库的逻辑结构，理清脉络，澄清这一潭浑水。

接下来将要系统分析一下OpenCV 2.4.5中Features2D : Features FrameWork 模块中关于图像特征检测、描述以及图像匹配的实现框架和接口。通过这篇博文，你可以了解OpenCV中这一模块的架构，比如有几个类，各个类之间的层次关系等。总之，你将会有一种站在高处向下看的感觉。

假如现在要你自己去写关于特征检测，描述，匹配的算法库，该如何下手呢？

首先，这一模块应该包括三个基本功能：

特征检测（Feature Detecting）、特征描述（Feature Describing）、特征匹配（Feature Matching）

上面提到的每一个功能都会有很多不同种类的算法，该如何处理这种情况才能使算法库结构清晰呢？如果我们将算法看成是一个类，根据面向对象的编程思想，要首先定义一个基类型：Algorithm，把这些不同算法的共同部分写在里面，申明一些共同的函数，而不提供实现细节。然后我们让每一个特定的算法继承这个基类，在特定类中实现父类定义的（虚）函数或者覆盖父类的某些函数，然后在该特定类中加入自己独有的变量和函数。这样设计算法库不但可以保证算法库的结构清晰，并且使得算法库易于扩充。如果以后出现了新的算法，我们可以轻易地将它加入进去，和库中的已有算法并列存在，不会和其他已有算法混在一起，打乱部署。

其次，要实现上面的三个功能，首当其冲的是“图像的特征”该怎么描述。只有将“特征”描述成程序语言，才能对其进行各种操作。这就是“先有概念，后有逻辑”的道理，因为逻辑是对概念的演绎和操作。

我们这里所指图像的特征主要为几何特征，即图像中的“点，线，面”。用程序语言来表达“点、线、面”的任务其实就是选择合适的数据结构来描述点，线，面这些元素。

对于“点”特征，其最重要的参数就是坐标，以及关于坐标的操作了。另外图像中的特征点不止一个，所以应该用一个数组来容纳检测到的一系列“点”的特征参数。对于“线”特征，我们可以用两个点来描述它，或者用一个点以及它的斜率。对于规则的“面”特征（如圆区域），可以用它的参数描述；对于较为复杂的“面”特征，我们可以定义用一系列点来逼近它的轮廓，然后用轮廓上的点计算区域的特征（面积、重心等）。

通过上面的分析，对于如何设计开发图像特征检测，描述和匹配的算法库，我们已经有了大致的构思。现在我们来看看OpenCV的设计到底是个怎样的图景吧。