Android 获取字符图像的特征点进行点匹配

我浏览了互联网，在java上找不到任何匹配点的实现。 因此，我想创建我自己的简单的一个应用于简单的线匹配，如下所示

我的第一步希望获得一些“点”，如下所示，以表达图像的特征。 在获取点之前应用细化（骨架）算法是一种好方法吗？ 但我不知道下一步该如何获得有意义的分数，有人能给我一些指导吗

还请指出，如果我真的做了一些愚蠢的、不合理的事情

---

你的第一步应该是定义你的匹配点应该通过什么样的变换生存下来——它是平移还是旋转、缩放、剪切等？您的第二步是概述匹配的有用属性-即点应稳定于噪声和变换，具有良好的本地化，并提供一个唯一的描述符，以实际将其与此“Signautre”匹配。Opencv有一个java库，因此您可以从最慢但工作良好的点和描述符（如SIFT、SURF）开始，然后逐步升级到FAST和您自己的描述符，虽然速度更快，但工作量更大

---

或者，您可以在字体中找到定义良好的点，如果确定存在对应关系，则可以使用几何散列。在这种情况下，您不需要描述符，甚至不需要显式匹配。请参阅维基百科关于几何哈希的文章。我认为它以一种简单的形式提供了旋转和缩放变换的方法。

你是说字符识别吗？也许，但不完全是。实际上，我想比较一下不同手写字符与计算机字体之间的相似性。我尝试了很多其他的图像比较算法，但是结果非常不准确。主要原因是要匹配的手写字符看起来非常接近，其他算法可能会对它们进行相同的处理，然后我无法通过图像比较来区分它们的差异。最后，我试着进行点匹配，并回答当前的问题。感谢您提供的鼓舞人心的信息！假设我的“输入”与“签名”大小相似，有点失真，但没有旋转。正如在上面的评论中提到的，我正在寻找能够区分相同字符的不同手写单词之间的相似性（可能是%）。一旦特征点被收集，你建议的几何散列是一种很好的方法吗？好吧，如果你能提取相同的字符，然后在相同数量的点上分割它们，那么几何散列确实是有用的。其他有用的是所谓的形状统计模型，在该模型中，您可以对平均形状的偏差进行建模。您甚至可以对这些偏差执行PCA，以发现形状变化中的一些隐藏尺寸，请参见