SIFT方法给出了不好的结果，识别出4个形状

Question

我正在尝试识别打开cv的扑克牌，但我遇到了一些问题。首先，我想要识别颜色（心，钻石，黑桃或俱乐部）。我正盯着红色。因此，我检测颜色，切割钻石或心脏，并尝试用筛选识别 - 我选择好的匹配和匹配颜色将有更多（我敢肯定它的愚蠢，但我不知道如何做到这一点）。我得到的结果如下：

这是我的匹配功能的代码：

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

如果您有任何提示，我将不胜感激。

Answer 1

你应该有4个模特图像，每个形状一个。

首先，您应该对颜色进行分类，因此您只需要将图像与2个模型（心形/菱形或铁锹/球杆）进行比较。

现在，由于颜色不再重要，你应该对图像进行二值化，Gauss + Otsu就足够了，可以按照以下方式完成：

# 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，我会将th的特征匹配与2个模型图像进行匹配，获得更多特征数学（len(good)）的特征匹配是您正在寻找的。

请注意，模型图像必须二进制化，并且大小必须相同。

希望这有帮助！