AKAZE源码全解析——非线性扩散方程、FED加速与MLDB描述子的2319行C++

SIFT 用高斯模糊构建尺度空间。ORB 用图像金字塔暴力缩放。它们的共同缺陷是什么？高斯模糊不分青红皂白，把边缘和噪声一起抹掉了。2012年，Alcantarilla 提出了 KAZE 算法，用非线性扩散方程替代高斯平滑，让尺度空间的构建第一次做到了"该模糊的地方模糊，该保留的边缘保留"。2013年，他又推出了加速版本 AKAZE，用 FED（Fast Explicit Diffusion）把求解速度提上来，同时设计了 M-LDB 二进制描述子，把匹配速度拉到和 ORB 一个量级。这篇文章拆解 OpenCVmodules/features2d/src/kaze/目录下的 2319 行核心实现AKAZEFeatures.cpp，连同nldiffusion_functions.cpp（543行非线性扩散函数）、fed.cpp（193行FED求解器）一起，把从图像输入到描述子输出的完整链路跑通。文末用砖墙纹理重复场景实测 SIFT / ORB / AKAZE 的匹配正确率和运行时间。先记住三个关键结论：Perona-Malik 非线性扩散的本质是一个自适应滤波器——梯度大的地方（边缘）少扩散，梯度小的地方（平坦区）多扩散，这是 AKAZE 在纹理重复场景下精度高于 SIFT 的根本原因。FED 不是一种新的 PDE 求解方法，而是对显式欧拉法的加速策略——通过一组不等长的时间步长构成一个"超级步"，每一步的稳定性