opencv 匹配边缘图像

Question

我正在做这个项目，其中一部分是识别相机上记录的物体。所以更具体地说：

• 我正在使用 OpenCV

• 我已正确设置相机并能够从中检索图片

• 我已经编译并试验了来自 OpenCV 的大量演示

• 我需要一个比例与旋转不变的检测算法

• 原始对象的图片只能作为边缘图像使用

到目前为止，我看到的所有特征检测/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（有点像精明边缘的输出检测器），它们通常是 BW，并且仅包含在图像中发现的边缘。在这种情况下，我尝试使用的算法（SURF、SIFT、MSER 等）的性能会急剧下降。

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？为了更好地处理这种输入。

我会感谢任何建议或任何相关资源的链接

PS：这是我关于stackoverflow的第一个问题

Answer 1

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，您可以采用多种技术对其进行分类。其中：寻找轮廓，按形状、面积、定位、跟踪进行选择。

一个很好的形状信息列表（来自 Matlab 帮助站点）包括：

• '区域'
• '欧拉数'
• '方向'
• '边界框'
• “范围”
• '周长'
• “质心”
• '极值'
• 'PixelIdxList'
• “凸区域”
• '填充区域'
• '像素列表'
• “凸包”
• 'FilledImage'
• “坚固”
• '凸图像'
• “图片”
• 'SubarrayIdx'
• “偏心”
• 'MajorAxisLength'
• '等效直径'
• 'MinorAxisLength'

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

更新

我发现了一篇在这方面可能很有趣的论文——它是一个只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