opencv python中的图像匹配

Question

我一直致力于使用 opencv python 识别相机中显示的标志的项目。 我已经尝试过使用冲浪、颜色直方图匹配和模板匹配。但是在这 3 个中，它并不总是返回正确的答案。我现在想要的是什么是我这个问题的最佳解决方案。 模板图片示例：

这是相机中显示的标志示例。

如果这是我想要识别的图像类型，应该使用什么？

更新 matchTemplate 中的代码

    flags=["Cambodia.jpg","Laos.jpg","Malaysia.jpg","Myanmar.jpg","Philippines.jpg","Singapore.jpg","Thailand.jpg","Vietnam.jpg","Indonesia.jpg","Brunei.jpg"]   

    while True:
           methods = 'cv2.TM_CCOEFF_NORMED'
           list_of_pics=[]
           for flag in flags:
                   template= cv2.imread(flag,0)
                   img = cv2.imread('philippines2.jpg',0)

    # generate Gaussian pyramid for A
                    G = template.copy()
                    gpA = [G]
                    for i in xrange(6):
                            G = cv2.pyrDown(G)
                            gpA.append(G)


                    n=0
                    for x in gpA:       

                           w, h = x.shape[::-1]


                           method = eval(methods)#

            # Apply template Match
                          res = cv2.matchTemplate(img,x,method)
                          matchVal=res[0][0]
                          picDict={"matchVal":matchVal,"name":flag}
                          list_of_pics.append(picDict)

                           n=n+1
        newlist = sorted(list_of_pics, key=operator.itemgetter('matchVal'),reverse=True) 
#print newlist
        matched_image=newlist[0]['name']
print matched_image
k=cv2.waitKey(10)
if (k==27):
    break
cv2.destroyAllWindows()

Answer 1

我不认为你可以从 SURF/SIFT 中获得好的结果，因为：

• SURF/SIFT 需要关键点来检测对象，但在您的情况下，您必须检测标志，并且大多数标志大多是统一的，并且不提供太多关键点。

• 在您的网络摄像头框架中，您有几个东西，而不是只有标志。这几件事也有助于获得关键点。

解决方案：我仍然认为你应该使用你已经尝试过的opencv的matchTemplate()，但你的版本中的问题是你没有考虑matchTemplate()不是尺度和方向不变。因此，解决方案是使用Gaussian pyramid 并创建不同大小（一半、四分之一、两倍等）的样本标志。在获得 2-5 个不同尺寸的相同标志后，您应该在每个尺寸的标志和网络摄像头框架之间执行matchTemplate()。

策略：

• 接收网络摄像头帧

• 加载标志的图像。

• 使用高斯金字塔，为该标志创建越来越小的图像（您不需要存储它们。）

• 在网络摄像头框架和每种大小的标志之间执行matchTemplate()。

• 结果 = 获得最大相关值的图像就是网络摄像头中存在的标志。

记住： matchTemplate 不是比例和方向不变的。因此，如果您在网络摄像头框架中旋转图像或使其变大/变小......您将不会获得好的结果。

Answer 2

SURF 不能应用于没有角的图像（当梯度主要是在一个方向上，如条纹标志时）。整个对象的颜色直方图可能不起作用，因为您的两个示例都有相似的颜色。但是，如果您可以将直方图应用于图像的不同部分，效果会更好。

您需要做的是将您的训练图像拆分为 4 个象限并创建 4 个颜色直方图。测试阶段将整合这 4 个back projected 直方图并检查响应的正确空间顺序。颜色直方图对旋转、缩放和透视非常稳健。它随照明而变化，因此您需要有宽松的匹配阈值。来自 4 个象限的空间分辨率将有助于改善这种情况。

对于未来，我建议更详细地研究方法以了解它们的适用性，而不是随意尝试它们。