匹配边缘图像的OpenCV

Question

3

我正在开发一个项目，其中一部分是识别摄像头拍摄的物体。更具体地说：

到目前为止，我看到的所有特征检测/提取/匹配算法都能在灰度图像（如照片）上很好地工作，但由于我的项目规格要求，我需要处理边缘图像（有点像canny边缘检测器的输出），它们通常是黑白色的，并且仅包含图像内发现的边缘。在这种情况下，我试图使用的算法（如SURF、SIFT、MSER等）的性能会急剧降低。

所以实际问题是：是否有人遇到过针对匹配边缘图像的特定算法，或者是否有某种设置可以改善SIFR/SURF/等算法的性能，以便能够很好地处理这种输入。

我将非常感激任何建议或任何相关资源的链接

PS：这是我在stackoverflow上的第一个问题

- Art Gertner

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Sam · Accepted Answer

边缘图像存在一个问题：它们所包含的关于感兴趣对象的信息非常稀少。

因此，可能找不到一般性的算法来对边缘图像进行分类。然而，如果您的图像是简单、清晰和具体的，您可以采用许多技术来对它们进行分类。其中包括：查找轮廓，并按形状、面积、位置、跟踪进行选择。

一个好的形状信息列表（来自Matlab帮助网站）包括：

使用形状算法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。更新我找到了一篇论文，可能在这种情况下很有趣 - 它是一个只使用形状信息的对象分类器，并且可以应用于Canny图像 - 这听起来就像是你的解决方案。