基于OpenCV的ORB算法与水平方向特征点过滤
本文介绍如何利用opencv的orb算法提取图像特征点，并进行方向性过滤，例如只保留水平方向的特征点。我们将通过一个案例演示如何实现这一目标。
示例代码使用了ORB算法提取“cat.png”和“smallCat.png”两张图片的特征点和描述子。cv.BFMatcher_create(cv.NORM_HAMMING, crossCheck=True) 创建了一个Brute-Force匹配器，采用汉明距离进行匹配，crossCheck=True确保匹配结果互相关联。最后，cv.drawMatches函数绘制匹配结果。
然而，该代码缺少特征过滤步骤。为了只保留水平方向的特征点，我们需要在orb.detectAndCompute之后添加特征过滤逻辑。
由于ORB算法本身不直接提供特征点方向信息，我们需要通过其他方法推断。一种方法是分析特征点周围像素的梯度信息。我们可以计算每个特征点周围小窗口的水平和垂直梯度，通过比较两者大小判断特征点方向。如果水平梯度显著大于垂直梯度，则认为该特征点为水平方向，否则将其过滤。
具体实现需要遍历kpCat和kpSmallCat中的每个关键点，获取其坐标，然后在其周围的小窗口内计算梯度信息。这需要用到OpenCV的图像处理函数，例如cv.Sobel计算梯度。计算完成后，根据梯度信息筛选出水平方向的特征点，仅使用这些特征点进行后续匹配。
需要注意的是，此方法的精度取决于小窗口大小和梯度计算精度。选择合适的小窗口大小和梯度计算方法对最终结果至关重要。此外，也可考虑使用其他更高级的特征描述符，例如提供方向信息的SURF或AKAZE算法，以便更直接地进行方向性过滤。
