使用 opencv 进行特征检测的正确方法

Proper approach to feature detection with opencv

我的目标是在静态图像和视频中找到已知的徽标。我想通过使用 KAZE 或 AKAZE 和 RanSac 的特征检测来实现这一点。

在尝试使用很棒的 detection example from the docs 时，我遇到了几个问题：

物体分辨率：已知物体和物体之间的大小差异物体所在场景的分辨率有时会破坏检测算法 - 对象不会在分辨率低的图像中识别，尽管图像质量对于人眼来说还是可以的。
颜色与背景对比：看来，检测可以很容易被不同的背景对比分散注意力（例如：物体是白底黑字标志，场景中的标志是黑底白字背景）。我怎样才能使检测更健壮不同的照明和背景对比度？
预处理：是否应该对对象/场景？例如将场景放大到特定大小？是否有任何指南如何处理特征检测获得最佳结果的几个步骤？

我认为你的问题比特征-描述符-匹配-单应性过程更复杂。它更有可能面向模式识别或分类。

您可以查看这篇关于形状匹配的扩展论文评论：

首先，图片的分辨率很重要，因为通常匹配操作会使像素强度互相关在样本图像（徽标）和过程图像之间，因此您将获得最佳的互相关区域。

同理，背景色强度非常重要，因为背景照明可能会影响最终结果。

基于特征的方法得到广泛研究：

例如，您可以尝试其他方法，例如：

Hog 描述符：面向直方图的梯度： https://en.wikipedia.org/wiki/Histogram_of_oriented_gradients

模式匹配或模板匹配 http://docs.opencv.org/2.4/doc/tutorials/imgproc/histograms/template_matching/template_matching.html

我认为最新的（模式匹配）最容易检查你的算法。