opencv中keypoint數據結構分析

分析opencv中keypoint數據結構的相關信息，找到opencv的document（http://docs.opencv.org/java/org/opencv/features2d/KeyPoint.html）。能夠看到KeyPoint這數據結構中有以下數據結構：

angle：角度，表示關鍵點的方向，經過Lowe大神的論文能夠知道，爲了保證方向不變形，SIFT算法經過對關鍵點周圍鄰域進行梯度運算，求得該點方向。-1爲初值。

class_id：當要對圖片進行分類時，咱們能夠用class_id對每一個特徵點進行區分，未設定時爲-1，須要靠本身設定

octave：表明是從金字塔哪一層提取的獲得的數據。

pt：關鍵點點的座標

response：響應程度，表明該點強壯大小，一開始我也理解不了，看到兩位stackoverflow大大的原話（http://stackoverflow.com/questions/10328298/what-does-size-and-response-exactly-represent-in-a-surf-keypoint，http://stackoverflow.com/questions/24699495/opencv-keypoints-response-greater-or-less?lq=1）——response表明着該關鍵點how good，更確切的說，是該點角點的程度。瞬間明白。

size：該點直徑的大小

注意一個問題：keypoint只是保存了opencv的sift庫檢測到的特徵點的一些基本信息，也就上面所說的這些，但sift所提取出來的特徵向量其實不是在這個裏面，特徵向量經過SiftDescriptorExtractor 提取，結果放在一個Mat的數據結構中。這個數據結構才真正保存了該特徵點所對應的特徵向量。具體見後文對SiftDescriptorExtractor 所生成的對象的詳解。