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

• 我已经正确设置了相机并且能够从中检索照片

• 我已经编译并试验了 OpenCV 中的大量演示

• 我需要一个缩放和旋转不变的检测算法

• 原始对象的图片仅作为边缘图像可用

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范，我需要处理边缘图像(有点像 canny edge 的输出检测器)，它们通常是 BW，并且只包含在图像中找到的边缘。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:有没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？为了很好地处理这种输入。

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少。

因此，可能找不到用于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，并按形状、区域、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”
• '周边'
• “质心”
• “极值”
• 'PixelIdxList'
• “凸面区域”
• '填充区域'
• '像素列表'
• “凸包”
• '填充图像'
• “团结”
• '凸面图像'
• “图片”
• '子数组Idx'
• “怪癖”
• '长轴长度'
• '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

我发现一篇论文在这方面可能很有趣——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——听起来像是你的解决方案

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