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
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)