形状识别

Question

我需要实现一个简单的 Android 应用程序，它允许用户在他们的手机上绘制一个“简单”的形状（圆形、三角形等），然后询问服务器所绘制的形状是否与其数据库中的一个形状相匹配，其中包括数量较少的形状（假设

A.重新调整大小并裁剪输入图像，使其与数据库中的图像具有相同的比例

B.将输入图像旋转一个小角度（比如 15 度）x 次（在本例中为 24），并尝试将这些旋转中的每一个与 DB 中的每个形状进行匹配。

问题：

1. 对于 A，最好的方法是什么？在将数据发送到服务器之前，我正在考虑在 Android 应用程序中实现这一步。
2. 对于 B，比较仅包含一个形状的 2 个黑白像素图像的体面算法是什么？
3. 有没有更好/更简单的实现方式？一个也有实现的解决方案是可取的。

PS：我可以看到很多人在这里讨论过类似的话题，但我似乎找不到足够符合我要求的东西。

Answer 1

机器学习方法

你选择一些描述轮廓的特征，选择一些分类方法，准备一个标记轮廓的训练集，训练分类器，在程序中使用它。

轮廓特征。给定轮廓（在图像中检测或根据用户输入构造），您可以计算旋转不变矩。最古老最广为人知的是一组Hu moments。

您还可以考虑诸如偏心率、面积、凸度缺陷、质心距离函数的 FFT 变换等轮廓特征。

分类器。现在您需要训练分类器。支持向量机、神经网络、决策树、贝叶斯分类器是一些流行的方法。有many methods to choose from。如果您选择 SVM，LIBSVM 是一个免费的 SVM 库，它也适用于 Java，也适用于 Android。

临时规则方法

您还可以使用多边形曲线近似轮廓（请参阅Ramer-Douglas-Peucker algorithm，OpenCV 库中有一个免费的实现，现在可在 Android 上使用）。对于某些简单的形式，如三角形或矩形，您可以轻松发明一些特别的启发式规则来“识别”它们（例如，如果闭合轮廓可以仅用三段和小误差来近似，那么它很可能是三角形；如果质心距离函数几乎为常数，且凸度缺陷为零，则很可能是圆形）。

Answer 2

您可以使用supervised learning 方法。对于您要解决的问题，我认为像Naive Bayes、KNN 等简单的分类器应该会给您带来很好的结果。

您需要从每个图像中提取特征。对于每个图像，您可以将它们保存在矢量中。让我们称之为特征向量。对于数据库中的图像，您已经知道形状的类型，因此您可以在特征向量中包含类型的 id。这将作为训练集。

一旦你有了训练集，你就可以训练你的分类器，每次你想对一个新的形状进行分类时，你只需要得到它的特征向量并用它来查询分类器。

我建议您使用比例和大小不变的功能，这样您就不必重新调整每个图像的大小，您只需比较一次而不是旋转它。

您可以快速搜索缩放/旋转不变特征并尝试它们。

Answer 3

由于这与手写识别非常相关，您可以使用简单的 hmm 算法将形状与预先学习的 db 进行比较。

但对于更简单的方法，您可以检测图像中的角点，然后计算角点以检测形状。

第一种方法可用于任何复杂的形状，而第二种方法仅适用于基本形状。