python - SIFT 方法给我不好的结果，识别 4 种形状

Question

我正在尝试识别具有开放式简历的扑克牌，但我遇到了一些问题。首先，我想识别颜色(红心、方 block 、黑桃或梅花)。我正盯着红色。所以我检测颜色，切割钻石或心形并尝试用筛选识别 - 我选择好的匹配和匹配的颜色会有更多(我敢肯定它很愚蠢，但我不知道如何做到这一点)。我得到如下结果:

这是我的匹配函数的代码:

def match(img, models):
goods = []
for name, value in models:
    sift = cv2.xfeatures2d.SIFT_create()
    kp1, des1 = sift.detectAndCompute(name, None)
    kp2, des2 = sift.detectAndCompute(img, None)
    if des1 is None or des2 is None:
        continue
    bf = cv2.BFMatcher()
    matches = bf.knnMatch(des1, des2, k=2)
    good = []
    if matches is None:
        continue
    for m, n in matches:
        if m.distance < 0.75 * n.distance:
            good.append([m])
    img3 = cv2.drawMatchesKnn(img, kp1, name, kp2, good, None, flags=2)
    plt.imshow(img3), plt.show()
    goods.append([len(good), value])
maxi = 0
ret = None
for l, v in goods:
    if l > maxi:
        maxi = l
        ret = v
if maxi < 3:
    return 0
return ret

如果您有任何建议，我将不胜感激。

Answer 1

您应该有 4 张模型图像，每个形状一张。

首先您应该对颜色进行分类，因此您只需将图像与 2 个模型(红心/菱形或黑桃/梅花)进行比较。

现在，颜色已经不重要了，你应该对图像进行二值化，Gauss + Otsu 应该就足够了，可以这样做:

# Otsu's thresholding after Gaussian filtering
blur = cv2.GaussianBlur(img,(5,5),0)
ret, th = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

最后，我将对 th 与 2 个模型图像进行特征匹配，得到更多特征数学的那个 (len(good)) 就是你寻找。

请注意，模型图像必须经过二值化处理，并且应该具有相同的大小。

希望这对您有所帮助!