C++面试八股文（opencv step2）

1. SIFT、SURF 和 ORB 的区别

• SIFT (Scale-Invariant Feature Transform)提取尺度和旋转不变的关键点，匹配精度高，适合复杂场景缺点：计算量大，早期受专利限制
• SURF (Speeded-Up Robust Features)SIFT 的加速版本，计算速度快，性能略低于 SIFT缺点：仍受专利限制
• ORB (Oriented FAST and Rotated BRIEF)免费开源，速度快，适合实时应用缺点：特征点稳定性比 SIFT/SURF 稍差，抗尺度能力弱

2. 如何使用 ORB 进行特征检测

• ORB 是快速特征检测算法，结合了 FAST 关键点检测 + BRIEF 描述符。

#include <opencv2/opencv.hpp>
using namespace cv;

int main() {
    // 读取图像为灰度图
    Mat img = imread("example.jpg", IMREAD_GRAYSCALE);

    // 创建 ORB 特征检测器
    Ptr<ORB> orb = ORB::create();

    std::vector<KeyPoint> keypoints; // 存储关键点
    Mat descriptors;                 // 存储描述符

    // 检测关键点并计算描述符
    orb->detectAndCompute(img, noArray(), keypoints, descriptors);

    // 绘制关键点
    Mat output;
    drawKeypoints(img, keypoints, output, Scalar(0,255,0), DrawMatchesFlags::DEFAULT);

    imshow("ORB Features", output);
    waitKey(0);
    return 0;
}

3. 模板匹配 (Template Matching)

• 概念：在大图中找到与小模板图像最相似的位置，常用于物体定位。
• 实现方法：

Mat img = imread("scene.jpg");
Mat templ = imread("template.jpg");
Mat result;

// 使用归一化相关系数方法进行模板匹配
matchTemplate(img, templ, result, TM_CCOEFF_NORMED);

// 找到匹配最好的位置
double minVal, maxVal;
Point minLoc, maxLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);

// 在匹配位置画矩形
rectangle(img, maxLoc, Point(maxLoc.x + templ.cols, maxLoc.y + templ.rows), Scalar(0,0,255), 2);

imshow("Template Matched", img);
waitKey(0);

4. 图像金字塔 (Image Pyramid)

• 概念：金字塔是图像的多分辨率表示，用于多尺度处理。高斯金字塔：每一层都是上一层低通滤波 + 下采样拉普拉斯金字塔：由高斯金字塔计算得到，用于图像融合
• C++ 高斯金字塔示例：

Mat img = imread("example.jpg");
Mat pyrDownImg, pyrUpImg;

// 下采样：减半图像尺寸
pyrDown(img, pyrDownImg);

// 上采样：放大回原尺寸
pyrUp(pyrDownImg, pyrUpImg);

imshow("Original", img);
imshow("PyrDown", pyrDownImg);
imshow("PyrUp", pyrUpImg);
waitKey(0);

5. cv::findContours() 的作用 & 绘制轮廓

• 作用：提取二值图像中的轮廓点，常用于形状分析或目标检测
• 示例：

Mat img = imread("example.jpg", IMREAD_GRAYSCALE);
Mat bin