opencv匹配边缘图像

我正在做这个项目，其中一部分是识别摄像机上记录的物体。更具体地说：

• 我正在使用OpenCV

• 我已正确设置相机，并能够从中检索图片

• 我已经编译并试用了OpenCV中的大量演示

• 我需要一个尺度和旋转不变的检测算法

• 原始对象的图片仅作为边缘图像可用

到目前为止，我看到的所有特征检测/提取/匹配算法都能很好地处理灰度图像（如照片），但是由于我的项目规格，我需要处理边缘图像（有点像canny边缘检测器的输出），这些图像通常是BW，只包含图像中发现的边缘。在这种情况下，我尝试使用的算法（SURF、SIFT、MSER等）的性能急剧下降

所以实际的问题是：是否有人遇到过专门用于匹配边缘图像的算法，或者是否有某种设置可以提高SIFR/SURF/的性能？为了更好地处理这种输入

我将感谢任何建议或任何相关资源的链接

---

PS：这是我关于stackoverflow的第一个问题，边缘图像有一个问题：它们包含的关于感兴趣对象的信息非常非常稀少

因此，一般的边缘图像分类算法可能还没有找到。但是，如果您的图像简单、清晰、具体，则可以使用多种技术对其进行分类。其中：查找轮廓，并按形状、面积、定位、跟踪进行选择

形状信息的良好列表（来自Matlab帮助站点）包括：

• “区域”
• “EulerNumber”
• “方向”
• “边界框”
• “范围”
• “周界”
• “质心”
• “极值”
• “像素idxlist”
• “ConvexArea”
• “填充区域”
• “像素列表”
• “ConvexHull”
• “填充图像”
• “坚固性”
• “凸面”
• “图像”
• “亚阵列天线”
• “怪癖”
• “MajorAxisLength”
• “当量直径”
• “MinorAxisLength”

在算法中使用形状的一个重要条件是能够单独选择它们。形状分析对噪声、重叠等非常敏感

更新

我发现了一篇在这种背景下可能很有趣的论文——这是一个只使用形状信息的对象分类器，它可以应用于精明的图像——听起来像是你的解决方案

---

非常感谢。这很有帮助。我想我将不得不从特征识别转到形状识别。我以前一直在考虑这个问题，但我真的希望用SIFT/SURF来解决这个问题，因为摄像机的输入是一幅高质量的图像……你们能提供matlab帮助站点的链接，包括这个列表吗？是否有一些参数的描述？什么时候使用它们等等？这是一个从斑点中提取这些参数的函数，它不会对任何东西进行分类，但它会让你了解在轮廓中可以解释什么。如何根据这些信息对形状进行分类取决于您。如果您发布一些示例图像，您将有机会获得更好、更集中的答案。这只是一个非常笼统的建议这里有一些我正在处理的图像示例。第一个是物体的可用图像（只是边缘），第二个是用相机拍摄的照片。第二个例子很简单，不过背景可能不是一种颜色（对象可能是场景的一部分）