模板匹配
定义:在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的分析技术。
本质:通过滑动(图像块一次移动一个像素),在每一个位置,都进行一次度量计算来表明它是“好”或“坏”地与那个位置匹配(或者说块图像和原图像的特定区域有多么相似)。
特征点
定义:能够表明物体本身特征的点。
尺度不变性:即使你处理在不同的拍摄条件下拍摄同一物体,都能够得到同样的特征值。
常用的特征点寻找方法:(敲黑板)
SIFT(即尺度不变特征变换)、SURF、ORB
注:opencv中,使用SIFT和SURF要联编contrib库
特征点提纯
由于采用特征匹配可能会得到很多匹配的结果。对于自然图像来说,效果一般比较好。但是,另外一些情况,匹配的结果很多,也有很多错误。
使用办法:RANSAC(随机抽样一致性)
案例:王先荣
交叉检验?
imagewatch?
根据情况选择合适的方法
1:特征点有没有失效的时候?怎么办?
由于在图像采集的时候设置不当,或者就是由于物体本身特征不明的情况下,找不到足够的特征点?怎么办?
解决办法一:采用前后的变换矩阵进行拟合,也就是估计出可能的情况。但是这里是8参数估计,所以只是在一些特殊的情况下效果较好(比如有机械臂控制的平面移动)。
解决办法二:可以采用模板识别辅助获得变换的具体情况。
解决办法三:想办法提高特征点的数目。