C++ 基于OpenCV边缘的目标检测C++；

我有一个应用程序，我必须检测场景中是否存在某些项目。项目可以旋转并稍微缩放（较大或较小）。我试过使用关键点探测器，但它们不够快速和准确。因此，我决定首先使用Canny（或更快的边缘检测算法）检测模板和搜索区域中的边缘，然后匹配边缘以找到匹配的位置、方向和大小

所有这些都需要在不到一秒钟内完成

我尝试过使用

matchTemplate（）

和

matchShape（）

，但前者不是缩放和旋转不变的，后者不能很好地处理实际图像。旋转模板图像以进行匹配也很耗时

到目前为止，我已经能够检测到模板的边缘，但我不知道如何将它们与场景匹配

我已经完成了以下操作，但无法让它们正常工作（它们要么使用旧版本的OpenCV，要么只是不处理演示中的图像以外的其他图像）：

有人能为我推荐一种方法吗？或者，如果可能的话，为相同的代码剪掉

这是我的样本输入图像（要检测的部分用红色标记）

这是一些正在做这件事的软件，也是我想要的：

---

这个话题是我在一个项目上一年的实际话题。因此，我将尝试解释我的方法是什么，以及我是如何做到这一点的。我假设您已经完成了预处理步骤（滤镜、亮度、曝光、校准等）。并确保清除图像上的噪音

注意：在我的方法中，我从参考图像上的轮廓收集数据，这是我想要的对象。然后我将这些数据与大图像上的其他轮廓进行比较

使用canny边缘检测并在参考点上查找轮廓 形象。你需要在这里确定，它不应该错过某些部分 轮廓线。若遗漏了，可能预处理部分应该有一些 问题。另一个重要的一点是，你需要找到一个 适当的模式，因为每种模式都有 不同的属性，因此您需要为您的 案例在最后，你需要消除轮廓是好的 给你

从参考中获取轮廓后，可以找到轮廓的长度 使用findContours（）输出阵列的每个等高线。你可以比较 将这些值放在大图像上，并消除 太不一样了

精确绘制一个合适的封闭矩形，用于 每个轮廓。在我的例子中，这个函数非常好用。我是 使用此函数获取2个参数：

a） 计算拟合矩形的短边和长边，并比较 与大图像上的其他轮廓的值

b） 计算黑色或白色的百分比（如果您的图像 灰度，获取接近白色或黑色的像素的百分比）和 最后比较一下

可以在末尾应用于其他轮廓，也可以应用于所有轮廓（我建议使用第一种方法）。每个轮廓只是一个数组，因此您可以将参考轮廓保存在一个数组中，并在最后将其与其他轮廓进行比较。在完成3个步骤后，然后应用matchShape对我来说非常好

我认为直接使用是不好的。我将每个轮廓绘制到不同的mat zero图像（空白黑色表面）作为模板图像，然后和其他图像进行比较。直接使用参考模板图像不会产生好的效果

OpenCV在寻找圆、凸度等方面有一些很好的算法。如果您的情况与它们相关，也可以将它们作为一个步骤使用

最后，您只需获得所有数据、值，就可以在脑海中创建一个表格。剩下的是一种统计分析

注：我认为最重要的部分是预处理部分。因此，请确保您有一个干净、几乎无噪音的图像和参考

---

注意：如果您只想知道对象是否存在，培训可能是一个很好的解决方案。但是，如果您试图为工业应用程序做一些事情，这是完全错误的方法。我试了几次YOLO和haarcascade训练算法，还用它们训练了一些对象。我得到的经验是：他们可以找到几乎正确的对象，但中心坐标，旋转结果等将不会完全正确，即使您的校准是正确的。另一方面，训练时间和收集数据是痛苦的。

您的图像质量相当差，光线条件非常差，因此您只有两种方法： 1.使用过滤器->二进制阈值->查找轮廓->匹配形状。但这种算法对于对象类型和图像质量来说非常不稳定。你会得到很多错误的轮廓，很难过滤它们。 2.Haarcascades->切割边界框->检查内部形状

---

所有“特殊点/边缘匹配”算法都无法在这种恶劣条件下工作

第三种情况是粉红色轮廓，这似乎是所有情况中最简单的一种，因为可以使用

cv2.inrange（）

使用简单的颜色分割，然后使用

cv2.findContours

然后利用轮廓的属性，例如

面积/周长

比率、力矩等，从背景中分割对象，这将有助于检测几何相似的形状。对于第一种和第二种情况，我建议训练一个定制的haar cascade，就像我们对人脸使用haar cascade一样。OpenCV还提供了用于训练自定义haar特征检测器的API，haar特征与比例无关，我不确定是否与旋转无关，但我认为您可以通过提供不同方向的训练图像来训练。最后一个问题可以通过我的方法解决：如果y