如果徽标失真，如何检测？

Question

如果徽标失真（如拉伸，滚动，挤压），如何检测徽标？

我使用SIFT作为检测功能，因为它是缩放不变的。

下面是一个例子，徽标出现在瓶子里，它沿着瓶子的曲率伸展。

另外，产品的材料也会影响结果，例如，它可能会反射光线。

如何解决这两个问题？如果有人能给我详细的步骤，我将不胜感激，谢谢！

徽标：

示例：

Answer 1

我认为在尝试检测徽标之前，你应该让情况稍微容易一些 - 开始的一个好点可能是应用透视变换来减少徽标的变形。以下是将透视transofrm应用于图像的代码：

import cv2
import numpy as np

src = np.array([[8,125], [68,30], [576,261], [510,396]], np.float32)
dst = np.array([[0,0], [100, 0], [100, 400], [0, 400]], np.float32)
perspective_transform = cv2.getPerspectiveTransform(src, dst)
img = cv2.imread('d:\\temp\\logo_lamer.png')
final_img = cv2.warpPerspective(img, perspective_transform, (100, 400))
cv2.imwrite('d:\\temp\\logo_lamer2.png', final_img)

积分是硬编码，但发现它们并不是很难 - 我只是使用了瓶子的最左侧，最顶部，最右侧和最底部的点。这是带点的图像：

这是转型的结果：

正如你所看到的那样，它并不完美（字母＆＃34; L＆＃34;和＆＃34; R＆＃34;并不是完全可见的），但它可以使用一些有益于物体提取的方法。使用抓取可能是一个好主意，但很可能很多技术在这种情况下表现良好。或者在找到点之后，您可以尝试确保它们形成（旋转）矩形，因此请确保所有角度都相等（或接近）90度 - here就是如何做到的。

现在从this qeustion应用一些技术要容易得多（我会尝试扫描线和筛选/冲浪技术，但这只是我的猜测）。或者，您可以尝试使用广义Hough Transfom（GHT），模板匹配或使用Haar类特征，LBP（本地二进制模式）或HOG训练您自己的分类器。

Answer 2

在你的问题中，你说你使用SIFT。结果还不够好？

使用SIFT检测器和描述符得到了这个结果：

不够好？