FLANN(快速最近鄰逼近搜尋函式庫)，它是一個演算法庫，包含一系列演算法庫，OpenCv中集成了FLANN的一部分匹配演算法，主要對高維資料搜尋比較快。
相比於上一篇的暴力匹配演算法，FLANN更加精確，不會有過多的描述特徵匹配到。
匹配基本步驟：
檢測->提取->計算得到描述子->特徵比對

實現程式碼：

#include<opencv2/opencv.hpp>
#include<iostream>
#include<opencv2/xfeatures2d.hpp>
#include<math.h>

using namespace cv;
using namespace std;
using namespace cv::xfeatures2d;

//檢測計算和繪製時，源圖(img1)在前面，目標影象(img2)在後面
Mat img1, img2;
int main(int argc, char**argv)
{
	img1 = imread("D:/test/BookAll.png", 0);
	img2 = imread("D:/test/Bookinscene.png", 0);


	if (!img1.data || !img2.data)
	{
		cout << "圖片為空！" << endl;
		return -1;
	}
	int minHesssion = 400;
	Ptr<SURF> detector = SURF::create(minHesssion);   //也可以用SIRF，但是效率比SURF低
	vector<KeyPoint> keypoints_obj;         //存放img1的特徵值
	vector<KeyPoint> keypoints_scene;    //存放img2的特徵值
	Mat descript_obj, descript_scene;
	detector->detectAndCompute(img1, Mat(), keypoints_obj, descript_obj);  //檢測並計算特徵描述子
	detector->detectAndCompute(img2, Mat(), keypoints_scene, descript_scene);

	FlannBasedMatcher fbmatcher;
	vector<DMatch>matches;
	fbmatcher.match(descript_obj, descript_scene, matches); //特徵描述子匹配

	//找出最優特徵點
	double minDist = 1000;    //初始化最大最小距離
	double maxDist = 0;

	for (int i = 0; i < descript_obj.rows; i++)
	{
		double dist = matches[i].distance;
		if (dist > maxDist)
		{
			maxDist = dist;
		}
		if (dist < minDist)
		{
			minDist = dist;
		}
	}
	printf("maxDist:%f\n", maxDist);
	printf("minDist:%f\n", minDist);

	vector<DMatch> goodMatches;
	for (int i = 0; i < descript_obj.rows; i++)
	{
		double dist = matches[i].distance;
		if (dist < max(2 * minDist, 0.02)) {
			goodMatches.push_back(matches[i]);
		}
	}
	Mat resultImg;
	drawMatches(img1, keypoints_obj, img2, keypoints_scene, goodMatches, resultImg, Scalar::all(-1),
		Scalar::all(-1), vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS
	);


	imshow("input image1", img1);
	imshow("input image2", img2);
	imshow("FlannBasedMatcher demo", resultImg);
	waitKey(0);
	return 0;


}
 

需要匹配的圖片1(目標圖片)：

需要匹配的圖片2(源圖片)：

執行結果：
1、當if (dist < max(2 * minDist, 0.02)) { goodMatches.push_back(matches[i]); }中為(2 * minDist)
所得結果是：

查詢的結果很精確，但匹配到的共有描述子很少。
2、當if (dist < max(3 * minDist, 0.02)) { goodMatches.push_back(matches[i]); }中為(3 * minDist)
所得結果是：

查詢的結果較為精確，匹配到的共有描述子稍多，但比之暴力匹配，已經很精準了。

注：這裡的(n * minDist)中的n可以取成小數，如：1.5，2.5等等，根據情況而定。