使用matlab或Java查找相似的图像

在过去几年中，我参与的最有趣的项目之一是一个关于图像处理的项目。目标是开发一个系统，能够识别可口可乐\'罐子\'（注意我强调了\"罐子\"这个词，一会儿你就会知道原因）。下面是一个识别到的样本，可以看到罐子在带有比例和旋转的绿色框内：

该项目有一些限制：

• 背景可能非常嘈杂。
• 罐子可能有任何比例或旋转，甚至可能有不同的朝向（在合理范围内）。
• 图像可能可有一定程度的模糊性（轮廓可能不完全直线）。
• 图像中可能有可口可乐瓶，算法应仅检测罐子！
• 图像的亮度可能会有很大的变化（因此不能过于依赖颜色检测）。
• 罐子可能部分隐藏在两侧或中间，可能部分隐藏在瓶子后面。
• 图像中可能根本没有罐子，在这种情况下，您必须什么都不发现并写一条消息说明情况。

因此，你可能会遇到像这样诡异的事情（在这种情况下，我的算法完全失败了）：

我做这个项目已经有一段时间了，做的很开心，实现效果也还不错。下面是关于我的实现的一些细节：

语言：使用OpenCV库的C++完成。

预处理：对于图像预处理，即将图像转换为更原始形式以提供给算法，我使用了两种方法：

1. 将颜色空间从RGB转换为HSV，并基于“红色”色相进行过滤，饱和度高于某个阈值以避免类似橙色的颜色，并进行低值过滤以避免暗色调。最终结果是二进制的黑白图像，所有白色像素表示与此阈值匹配的像素。显然图像中仍然有许多垃圾内容，但这将减少您需要处理的维度。
2. 使用中值滤波（取所有邻居像素的中位值，并将像素替换为此值）对噪声进行滤波，以减少噪声。
3. 使用Canny边缘检测滤波器在前两步操作后获取所有项的轮廓。

算法：我选择用于此任务的算法来自于这本关于特征提取的精彩书籍，称为广义霍夫变换（与常规霍夫变换非常不同）。它基本上说了几件事：

• 您可以在不知道其解析方程的情况下描述空间中的对象（这就是本例的情况）。
• 它能够抵抗图像的形变，例如缩放和旋转，因为它会基本上为每个缩放因子和旋转因子组合测试您的图像。
• 它使用算法将“学习”的基本模型（模板）。
• 剩余的每个像素在轮廓图像中将为另一个像素投票，后者将根据从模型中学到的知识，被推测为您的对象的重心中心。

最终，您会得到一个基于投票的热图，例如在此处，沿着罐子的所有轮廓像素将投票票选其重心中心，因此您将在对应于中心位置的同一像素中获得大量票数，并在如下热图中看到峰值：

一旦您得到了这一点，一种基于阈值的简单启发式方法就可以为您提供中心像素的位置，从而可以推导出比例和旋转，然后在其周围绘制小矩形（最终比例和旋转因子显然相对于您的原始模板）。至少在理论上......

结果：现在，虽然这种方法在基本情况下有效，但在某些领域严重欠缺：

• 它非常慢！我没有强调这个问题足够。处理这30个测试图像需要几乎一整天的时间，因为我旋转和平移的缩放因子非常高，因为一些罐子非常小。
• 当图像中有瓶子时，它就完全丢失了，并且出于某种原因几乎总是找到了瓶子而不是罐子（可能是因为瓶子更大，因此拥有更多像素，因此有更多的票数）
• 模糊图像也不行，因为投票最终位于围绕中心的随机位置像素，因此最终热图非常嘈杂。
• 虽然实现了平移和旋转不变性，但是没有实现方向不变性，这意味着没有直接面对摄像机物镜的罐子被识别。

您可以使用仅 OpenCV 功能帮助我改进我的特定算法，以解决提到的四个具体问题吗？

我希望也有一些人从中学到了一些东西，毕竟我认为不仅提问的人应该学习。 🙂