opencv匹配边缘图像

Question

我正在研究这个项目，其中一部分是识别摄像机上记录的物体。所以更具有特异性：

• 我正在使用OpenCV

• 我已正确设置相机并能够从中检索图片

• 我已经编译并试验了一些来自OpenCV

的演示

• 我需要一个用于检测的尺度和旋转不变算法

• 原始对象的图片仅作为边缘图像使用

到目前为止我见过的所有特征检测/提取/匹配算法都能很好地处理灰度图像（如照片），但是由于我的项目规格，我需要处理边缘图像（有点像canny edge的输出）检测器）通常是BW并且仅包含在图像内发现的边缘。在这种情况下，我试图使用的算法（SURF，SIFT，MSER等）的性能显着下降。

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？为了适应这种输入。

我会建议任何相关资源的建议或链接

PS：这是我的第一个stackoverflow问题

Answer 1

边缘图像存在问题：它们包含的关于感兴趣对象的信息非常非常稀缺。

因此，可能无法找到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，您可以使用许多技术对它们进行分类。其中：找到轮廓，并按形状，面积，定位，跟踪进行选择。

良好的形状信息列表（来自Matlab帮助网站）包括：

• 'Area'
• 'EulerNumber'
• 'Orientation'
• '的BoundingBox'
• 'Extent'
• '周边'
• 'Centroid'
• 'Extrema'
• 'PixelIdxList'
• 'ConvexArea'
• 'FilledArea'
• 'PixelList'
• 'ConvexHull'
• 'FilledImage'
• 'Solidity'
• 'ConvexImage'
• 'Image'
• 'SubarrayIdx'
• 'Eccentricity'
• 'MajorAxisLength'
• 'EquivDiameter'
• '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

<强>更新

我在这个上下文中发现了一篇可能很有趣的论文 - 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