我了解FAST，SIFT，SURF的工作原理，但似乎无法弄清楚上面的哪些仅是检测器，哪些是提取器。

基本上，从特征检测的该列表/提取（链接篇： FAST ， GFTT ， SIFT ， SURF ， MSER ， STAR ， ORB ， BRISK ， FREAK ， 简介 ），有的则是只配备了检测器（FAST，GFTT）别人特征检测器和描述符提取器（ SIFT，SURF，ORB，FREAK ）。

如果我没记错的话， BRIEF只是一个描述符提取器，所以它需要其他一些算法（例如FAST或ORB）检测到的功能。

要确定是哪个，您必须浏览与算法有关的文章或浏览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。

问题1：如前所述，基于float和uchar对检测器，提取器和匹配器的类型进行分类，或者进行其他类型的分类？

问题2：请解释float和uchar分类之间的区别，或者使用哪种分类？

关于问题1和2 ，要将它们分类为float和uchar， 您已经发布的链接是我所知道的最佳参考，也许有人可以完成它。

问题3：提到如何初始化（编码）各种类型的检测器，提取器和匹配器？

回答问题3 ，OpenCV使代码使用相同的类型完全相同-主要是您必须选择一个特征检测器。大部分差异在于选择匹配器的类型，您已经提到了OpenCV具有的三个匹配器。最好的选择是阅读文档， 代码示例以及相关的Stack Overflow问题。此外，某些博客文章也是很好的信息来源，例如Ievgen Khvedchenia的这些功能检测器基准测试系列 （该博客不再可用，因此我不得不从其Google缓存创建原始文本副本）。

匹配器用于查找一个描述符是否类似于列表中的另一个描述符。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方法（ FlannBased，knnMatch ）。问题在于试探法不适用于所有类型的描述符。例如，FlannBased实现仅用于float描述符，而不能与uchar一起使用（但是从2.4.0版本开始，具有LSH索引的FlannBased可以应用于uchar描述符）。

引用有关DescriptorMatcher类型的此App-Solut博客文章 ：

DescriptorMatcher包含“ FlannBased”，“ BruteForceMatcher”，“ BruteForce-L1”和“ BruteForce-HammingLUT”两个品种。 “ FlannBased”匹配器使用引擎盖下的flann（快速库，用于近似最近的邻居）执行更快但近似的匹配。 “ BruteForce- *”版本详尽地搜索字典，以找到与字典中的单词最接近的图像特征匹配。

一些更流行的组合是：

特征检测器/提取器提取器/匹配器类型

• （快速，SURF）/ SURF / FlannBased

• （快速，SIFT）/ SIFT / FlannBased

• （快速，ORB）/ ORB /暴力破解

• （快速，ORB）/简介/ Bruteforce

• （快速，冲浪）/怪胎/蛮力

您可能还已经注意到，功能检测器有一些适配器（动态，金字塔，网格） 。 App-Solut博客文章很好地总结了它们的用法：

（...），还可以使用几个适配器来更改关键点检测器的行为。例如， Dynamic适配器可调整特定于检测器类型的检测阈值，直到在图像中找到足够的关键点为止；而Pyramid适配器Pyramid构建高斯金字塔以检测多个尺度上的点。 Pyramid适配器对于不变比例的特征描述符很有用。

进一步阅读：

• Yu Lu的这篇博客文章对SIFT，FAST，SURF，BRIEF，ORB，BRISK和FREAK进行了非常好的摘要描述。

• Gil Levi的这些系列文章还对其中的几种算法（BRIEF，ORB，BRISK和FREAK）进行了详细的总结。