前言：OpenCV中的特征点对象与描述子对象分别由cv2.KeyPoint类与np.array类封装，与之相关的特征点检测与匹配等相关算法的输出、输入亦为cv2.KeyPoint对象与np.array描述子对象。因此，若使用OpenCV封装好的特征点检测与匹配算法不可避免的需要对cv2.KeyPoint对象与描述子对象进行编解码。
解码： 若使用特征点检测算法的输出的具体坐标信息、方向子信息、描述子信息等则需要对cv2.KeyPoint与描述子进行解码。可通用的解码代码如下：
def decode_kd(kp:cv2.KeyPoint, desc:np.array):kd_tpls = []for i in range(len(kp)):temp = {'pt': kp[i].pt, 'size': kp[i].size, 'angle': kp[i].angle, 'response': kp[i].response, 'octave': kp[i].octave, 'class_id': kp[i].class_id, 'desc': desc[i]}kd_tpls.append(temp)return kd_tpls编码：若使用自定义的特征点与自定义的描述子进行OpenCV中匹配算法的调用则需要对自定义的特征点与描述子进行cv2.KeyPoint对象与np.array描述子对象编码（构建）。可通用的编码代码如下：
def encode_kd(kd_tpls:tuple):kp = []desc = []for i in range(len(kd_tpls)):k_temp = cv2.KeyPoint(x=kd_tpls[i]['pt'][0], y=kd_tpls[i]['pt'][1], size=kd_tpls[i]['size'], angle=kd_tpls[i]['angle'], response=kd_tpls[i]['response'], octave=kd_tpls[i]['octave'], class_id=kd_tpls[i]['class_id'])d_temp = kd_tpls[i]['desc']kp.append(k_temp)desc.append(d_temp)return kp, np.array(desc)
