目标
本节帮助大家理解什么是图像特征，为什么图像特征很重要，为什么角点很重要等。
解释
相信大多数人都玩过拼图游戏吧。首先拿到一张图片的一堆碎片， 要做的就是把这些碎片以正确的方式排列起来从而重建这幅图像。 问题是，怎样做到的呢？如果把做游戏的原理写成计算机程序， 那计算机就也会玩拼图游戏了。 如果计算机可以玩拼图，就可以给计算机一大堆自然图片， 然后就可以让计算机把它拼成一张大图了。 如果计算机可以自动拼接自然图片， 那是不是可以给计算机关于一个建筑的的大量图片， 然后让计算机创建一个 3D 的的模型呢？
问题和联想可以无边无际。但是所有的这些问题都是建立在一个基础问题之上的。 这个问题就是：我们是如何玩拼图的？是如何把一堆碎片拼在一起的？ 如何把一个个自然场景拼接成一个单独图像的？
答案就是：要寻找一些唯一的特征，这些特征要适于被跟踪， 容易被比较。如果要定义这样一种特征， 虽然知道它是什么但很难用语言来描述。 如果找出一个可以在不同图片之间相互比较的好的特征， 那么肯定能搞定。 这就是为什么小孩子也会玩拼图的原因。 在一副图像中搜索这样的特征，能找到它们， 而且也能在其他图像中找到这些特征， 然后再把它们拼接到一块。 （在拼图游戏中，更注重的是图片之间的连续性）。 这些能力都是天生的。
所以一个问题现在扩展成了几个， 但是更加确切了。这些特征是什么呢？（答案必须也能被计算机理解）。 好吧，很难说人是怎样找出这些特征的。 这些能力已经刻在大脑中了。 但是如果深入的观察一些图像并搜索不同的 pattern， 就会发现一些有趣的事。一下图为例：
图像很简单。在图像的上方给出了六个小图。 要做的就是找到这些小图在原始图像中的位置。 能找到多少正确结果呢？
A 和 B 是平面，而且它们的图像中很多地方都存在。 很难找到这些小图的准确位置。
C 和 D 更简单。它们是建筑的边缘。 可以找到它们的近似位置，但是准确位置还是很难找到。 这是因为：沿着边缘，所有的地方都一样。 所以边缘是比平面更好的特征，但是还不够好（在拼图游戏中要找连续的边缘）。
E 和 F 是建筑的一些角点。它们能很容易的被找到。 因为在角点的地方，无论向哪个方向移动小图， 结果都会有很大的不同。 所以可以把它们当成一个好的特征。 为了更好的理解这个概念，举个更简单的例子。
如上图所示，蓝色框中的区域是一个平面很难被找到和跟踪。 无论向那个方向移动蓝色框，长的都一样。 对于黑色框中的区域，它是一个边缘。 如果沿垂直方向移动，它会改变。但是如果沿水平方向移动就不会改变。 而红色框中的角点，无论向那个方向移动， 得到的结果都不同，这说明它是唯一的。
所以，基本上来说角点是一个好的图像特征。 （不仅仅是角点，有些情况斑点也是好的图像特征）。
现在终于回答了前面的问题了，“这些特征是什么？”。 但是下一个问题又来了。 怎样找到它们？或者说怎样找到角点？ 也已经用一种直观的方式做了回答，比如在图像中找一些区域， 无论想那个方向移动这些区域变化都很大。 在下一节中会用计算机语言来实现这个想法。 所以找到图像特征的技术被称为 特征检测。
现在找到了图像特征（假设已经搞定）。 在找到这些之后，应该在其他图像中也找到同样的特征。 应该怎么做呢？我们选择特征周围的一个区域， 然后用自己的语言来描述它， 比如“上边是蓝天，下边是建筑，在建筑上有很多玻璃等”， 就可以在其他图片中搜索相同的区域了。 基本上看来，是在描述特征。 同样，计算机也要对特征周围的区域进行描述， 这样它才能在其他图像中找到相同的特征。 我们把这种描述称为 特征描述。当有了特征很它们的描述后， 就可以在所有的图像中找这个相同的特征了， 找到之后就可以做任何想做的了。
本章就是要使用 OpenCV 中的各种算法来查找图像的特征， 然后描述它们，对它们进行匹配等。