在图像中发现不完全相同的模板
finding not exactly same template in image
我想在我的输入图像中找到一个字符。当我从图像中裁剪字符并使用模板匹配时，几乎在所有情况下，它都能完美运行；但是如果我将该模板用于另一张字符形状略有不同的图像，则会失败。
这是我的问题：如何在我的图像中找到与我的模板相似但斜率或线条粗细或...有一点变化的对象？有没有模板匹配的方法，或者您根据您的经验建议其他方法？
如果有任何相关的回答，我将不胜感激。
我认为您在这里遇到了模板匹配的限制。看起来您已经在使用正确的指标（标准化 cross-correlation）。也许您可以做的最后一件事是检查 5 个模板：一个 'perfect' 一个（取自一张完美的图像）和 4 个旋转版本。然后，为每个模板找到最佳匹配，然后相互比较 5 个最佳匹配以选出最佳匹配。
根据你想投入多少时间，以及你希望达到什么样的鲁棒性水平，你也可以使用神经网络！这将是解决这个问题的更稳健的方法。当然，也有一些针对字符检测训练的神经网络，比如here, and some available tutorial like this one.
如果你不想使用NN，你可以考虑另一种方法，它可以与线检测一起使用。 '/' 字符具有非常有特色的形状：闭合路径，旋转一定角度，'inertia' 围绕一个轴。这很容易用检测到的闭合形状的一些数学特性来描述。这种方法称为 形状描述符 并被描述（例如）here。我认为，如果您对文本的大小有一些了解，并且图像质量非常好，那么这种 'low-level' 方法就有一定的潜力。它通常效果很好。
希望本文能帮助您解决问题。
我想在我的输入图像中找到一个字符。当我从图像中裁剪字符并使用模板匹配时，几乎在所有情况下，它都能完美运行；但是如果我将该模板用于另一张字符形状略有不同的图像，则会失败。
这是我的问题：如何在我的图像中找到与我的模板相似但斜率或线条粗细或...有一点变化的对象？有没有模板匹配的方法，或者您根据您的经验建议其他方法？
如果有任何相关的回答，我将不胜感激。
我认为您在这里遇到了模板匹配的限制。看起来您已经在使用正确的指标（标准化 cross-correlation）。也许您可以做的最后一件事是检查 5 个模板：一个 'perfect' 一个（取自一张完美的图像）和 4 个旋转版本。然后，为每个模板找到最佳匹配，然后相互比较 5 个最佳匹配以选出最佳匹配。
根据你想投入多少时间，以及你希望达到什么样的鲁棒性水平，你也可以使用神经网络！这将是解决这个问题的更稳健的方法。当然，也有一些针对字符检测训练的神经网络，比如here, and some available tutorial like this one.
如果你不想使用NN，你可以考虑另一种方法，它可以与线检测一起使用。 '/' 字符具有非常有特色的形状：闭合路径，旋转一定角度，'inertia' 围绕一个轴。这很容易用检测到的闭合形状的一些数学特性来描述。这种方法称为 形状描述符 并被描述（例如）here。我认为，如果您对文本的大小有一些了解，并且图像质量非常好，那么这种 'low-level' 方法就有一定的潜力。它通常效果很好。
希望本文能帮助您解决问题。