Image processing OpenCV-检测多个相似但不同对象的最佳方法

我的目标是使用OpenCV从图片中查找多个条形码。我曾尝试使用SURF查找它们，但这种方法在这种情况下无效（功能不够独特）。我也在考虑HAAR，但它不是一种旋转不变的方法

你认为处理这个问题的最佳方法是什么

（）

---

训练支持向量机。创建具有多个方向的多个条形码的数据集。测试图像时，构建一个缩放金字塔并应用滑动窗口技术。这叫做“目标检测”。“多个相似但不同”也被称为类内变异

---

编辑：或者试试。

这张图片实际上是什么？以前从未见过这种情况。具有唯一标识符的样本管。假设您具有每个条形码的近似区域，如中所示。你还想做什么？这些是数据矩阵码吗？如果是，你想解码它们吗？如果是，你试过了吗？@Jacek:In-Matlab

f=rgb2gray（imread（）http://i.stack.imgur.com/4XBbu.jpg')); g=BWAREOPEN（bwmorph（边）（f-imopen（f，strel（'disk'，3）），'sobel'），'deflate'），150）。然后
g
是前面链接中的图像。谢谢。我将对支持向量机做一些研究。这也被称为“我不知道如何正确处理这个问题，所以我将让这个神奇的黑匣子尝试解决它”。是的，我并不特别喜欢使用机器学习，除非有很好的理由。@mmgp对象检测/分类使用机器学习。检查最先进的图书馆。@BillyL所说的“最先进的图书馆”是指一些图书馆的最新版本吗？最新技术是指目前该领域的研究进展，至少这是一种奇怪的表达。我看过不少关于它的论文，大多数都不好，有些很好。大多数不好的情况是，描述工作的人假设他有一个如此大的数据集，几乎不预处理其输入就可能产生好的结果，因此他继续像“通常”一样提取特征。现在，看，“建立一个金字塔比例”，“应用一个滑动窗口技术”都太模糊了。（继续）这些技术有很多方法要执行，你的意思是使用所有你知道的方法吗？最后，您一般提到SVM，但这不可能只针对正类数据集。如果您想继续，一类SVM可能更合适。但是，机器学习的必要性还没有确定（只有你的答案确定了，我看这还不够）。