opencv 匹配边缘图像

我正在研究这个项目，其中一部分是识别相机上记录的物体。更具体地说：

• 我正在使用 OpenCV

• 我已正确设置相机并能够从中检索照片

• 我已经编译并试验了 OpenCV 的许多演示

• 我需要一个尺度和旋转不变的算法来检测

• 原始物体的图片仅作为边缘图像提供

到目前为止，我见过的所有特征检测/提取/匹配算法都可以很好地处理灰度图像（如照片），但是由于我的项目规格，我需要处理边缘图像（有点像精明边缘检测器的输出），通常是黑白的并且仅包含图像中发现的边缘。在这种情况下，我尝试使用的算法（SURF、SIFT、MSER 等）的性能急剧下降。

所以实际的问题是：是否有人遇到过专门用于匹配边缘图像的算法，或者是否有某种设置可以提高 SIFR/SURF/ 的性能？为了能够很好地处理这种输入。

我将不胜感激任何建议或任何相关资源的链接

PS：这是我在stackoverflow上的第一个问题

边缘图像有一个问题：它们包含的有关感兴趣对象的信息非常非常稀缺。

因此，可能找不到对边缘图像进行分类的通用算法。但是，如果您的图像简单、清晰且具体，则可以采用多种技术对其进行分类。其中：查找轮廓、按形状、面积、定位、跟踪选择。

一个很好的形状信息列表（来自 Matlab 帮助网站）包括：

• 'Area'
• '欧拉数'
• '方向'
• “边界框”
• '程度'
• '周长'
• “质心”
• “极值”
• 'PixelIdxList'
• '凸面'
• '填充区域'
• '像素列表'
• “凸包”
• '填充图像'
• “坚固”
• '凸面图像'
• 'Image'
• '子数组Idx'
• “怪癖”
• '长轴长度'
• '当量直径'
• '短轴长度'

在算法中使用形状的一个重要条件是能够单独选择它们。形状分析对噪声、重叠等非常敏感

Update

我发现一篇在这种情况下可能有趣的论文 - 它是一个仅使用形状信息的对象分类器，它可以应用于 Canny 图像 - 听起来这是你的解决方案

http://www.vision.ee.ethz.ch/publications/papers/articles/eth_biwi_00664.pdf http://www.vision.ee.ethz.ch/publications/papers/articles/eth_biwi_00664.pdf