opencv如何檢測(cè)特定形狀的物體？您的想法是將現(xiàn)有圖像的特征點(diǎn)與樣本圖像進(jìn)行匹配，然后判斷鉤子上的特征點(diǎn)是否匹配。如果是的話，它就是有鉤子的圖像，如果不是，它就是沒(méi)有鉤子的圖像。在我看來(lái)，你沒(méi)有刪除

opencv如何檢測(cè)特定形狀的物體？

您的想法是將現(xiàn)有圖像的特征點(diǎn)與樣本圖像進(jìn)行匹配，然后判斷鉤子上的特征點(diǎn)是否匹配。如果是的話，它就是有鉤子的圖像，如果不是，它就是沒(méi)有鉤子的圖像。在我看來(lái)，你沒(méi)有刪除錯(cuò)誤的匹配點(diǎn)可能是錯(cuò)誤的。您應(yīng)該刪除錯(cuò)誤的匹配點(diǎn)并再次分析它們。

怎樣使用opencv中的sift和surf函數(shù)來(lái)檢測(cè)特征點(diǎn)和描述特征點(diǎn)？

還沒(méi)看過(guò)這個(gè)源代碼，猜猜看

這里應(yīng)該只有距離的部分，而不是旋轉(zhuǎn)的部分。只有找到中心點(diǎn)的位置，所以最后畫(huà)出來(lái)的盒子應(yīng)該沒(méi)有角度傾斜。

2我不知道

3

opencv中的SIFT surf非常慢，不能是實(shí)時(shí)的。SIFT特征點(diǎn)提取速度太慢，除非對(duì)算法部分進(jìn)行修改，否則默認(rèn)128個(gè)浮點(diǎn)的描述會(huì)導(dǎo)致匹配速度慢。如果是跟蹤，OpenCV或模板匹配的KLT光流可以快得多（20毫秒以內(nèi)）。

最后一個(gè)參數(shù)findhomography可以更改為RANSAC或PROSAC的實(shí)現(xiàn)版本。比LMED快很多倍。

請(qǐng)問(wèn)大蝦們，opencv如何只對(duì)圖像選擇區(qū)域提取特征點(diǎn)？

您可以使用cvsetimageroi功能。例如：cvrect ROIurect//基于給定矩形設(shè)置ROIurect.x=125roiurect.y=300roiu矩形寬度=240roiU矩形高度=200cvSetImageROI（src，roi取決于你的目的。比如說(shuō)現(xiàn)在的車(chē)這么先進(jìn)好用，你還需要了解變速箱的原理嗎？這取決于你的目的。如果只是普通駕駛，你不需要知道。如果你是一個(gè)機(jī)械師，你必須理解。如果你是一個(gè)汽車(chē)制造商的工程師，你必須對(duì)它非常了解。簡(jiǎn)言之，這取決于具體的需要。

OpenCV已經(jīng)將圖像處理(識(shí)別)的算法寫(xiě)成函數(shù)了，那我們還有必要去學(xué)習(xí)這些算法嗎？

目前，輪廓匹配的研究也在進(jìn)行中。輪廓匹配的前提是提取輪廓上的特征點(diǎn)并計(jì)算特征信息，然后根據(jù)特征信息進(jìn)行匹配。提取特征點(diǎn)的算法很多，如sift和surf等，都是在OpenCV中實(shí)現(xiàn)的。然后采用魯棒匹配算法進(jìn)行匹配。目前，我正在讀一篇論文“基于曲率特征的輪廓匹配算法”。匹配算法相對(duì)簡(jiǎn)單。第一步是通過(guò)多邊形逼近輪廓提取輪廓上的有效點(diǎn)；第二步是計(jì)算輪廓上有效點(diǎn)的曲率；第三步是比較兩個(gè)輪廓曲率集的Hausdorff距離。本文采用一種簡(jiǎn)化的方法計(jì)算Hausdorff距離法。