有关如何比较两幅图像的讨论，“计算”它们之间的差异。这可以看作是图像比较的变体，但并非完全如此。 考虑一下： 假设我有一个笔的图像，存储在我手机的SD卡（Android手机）中。并且，我正用我的相机在我的房子里“搜索”这支笔。让我们忽略这样一个事实：我可以用我的眼睛做同样的事情，然后让相机进行搜索。所以，我在我的房子里，把我的相机指向不同的地方，看我的相机是否可以“识别”这支笔，当我把相机指向它时。 为了设置模糊的计算机科学术语，当我把相机指向东西的时候，我在后台运行一个线程，不断地将这支笔的图像与当前的Camera View进行比较。我将相机对准椅子，线程将椅子的相机视图与笔的图像进行比较，由于椅子不是笔，因此返回“假”。 当我最后把它指向同一支笔，躺在桌子上时，线程应该确定这是我们SD卡上的笔的笔。因此，摄像机视图现在显示笔以及它所在的桌子，但它应该使用图像比较技术识别笔。
总的来说，这样的事情可能吗？忘记Android或智能手机是否可以用相机“识别”某个区域或物体？由于不了解图像处理库，我只能假设某些库确实有工具来做这些事情。或者至少，可以有一个“理论”算法，开始研究。
谢谢，
Sanjeev Mk
答案 0 :(得分：2)
这种事情可以做到，但为了让它运作良好是非常非常艰难的。我在Android上使用OpenCV处理的经验是，使用当前的移动硬件实时完成此操作是不可能的。 （使用静止帧执行此操作可能是可行的）
非常粗糙（并且最简单的国家英里）系统将使用模板匹配cvMatchTemplate。基本上，您将“模板”（例如，笔的照片）与搜索图像中每个可能位置的照片进行比较。它是计算密集型的，但在受限制的情况下运行良好，但是您的应用程序需要完全不受约束的条件。
我的建议是看看Surf或类似的东西和Hough变换。通过在参考图像上的对象上生成一组SURF特征，可以对对象进行“指纹”处理。您在搜索图像上运行冲浪。然后应用广义hough变换，其中对象模型是一组特征点。 Hough空间中的峰值代表着良好的匹配。
我从未尝试过第二种方法，但我知道这是可能的。我提出的两种方法绝不是唯一的两种方法，它们只是我熟悉的两种方法。