opencv-python对象检测

Question

我是使用Python的opencv的初学者。 我有很多16位灰度图像，并且每次需要在不同图像中检测相同的对象。 尝试在opencv python中进行模板匹配，但需要针对不同的图像采用不同的模板，这可能是不希望的。 任何人都可以建议我使用python中的任何算法来有效地做到这一点。

Answer 1

您的问题太笼统了。 特征匹配是一个非常广阔的领域。 完全使用的算法类型取决于要检测的对象，其环境等。

因此，如果您的对象不会改变图像的大小或角度，请使用模板匹配。

如果图像将改变其尺寸和方向，则可以使用SIFT或SURF。

如果对象具有与背景不同的独特颜色特征，则可以使用hsv方法。

如果您必须根据对象对一组图像进行分类，例如应检测到所有板球拍，则可以训练许多正图像以告诉计算机该对象的外观，而负图像则可以指示该对象的外观，可以使用haar训练来完成。

Answer 2

您可以尝试滑动窗口方法。 如果您的对象在所有样本中都相同

Answer 3

一种方法是寻找已知的颜色，形状和尺寸。

您可以先在图像上执行HSV阈值，然后将图像转换为HSV色彩空间，然后调用

cv2.inRange(source, (minHue, minSat, minVal), (maxHue, maxSat, maxVal))

接下来，您可以使用cv2.findContours查找图像中满足颜色要求的所有区域。 然后，您可以使用诸如boundingRect和contourArea来查找所需对象的特定属性。

您最终将得到的实际上是一条“流水线”，该流水线可以采用框架，并寻找适合您设置的条件的形状。 根据您要执行的操作的复杂性（您没有说要查找的内容），这可能会或可能不会奏效，但是我已经成功地使用了它。

GRIP是一个应用程序，它允许您以可视的方式对事物进行阈值处理，并且如果需要，它还将为您生成Python代码。 我真的不建议按原样使用生成的代码，因为这样会遇到一些问题。 这是GRIP的链接： https : //github.com/WPIRoboticsProjects/GRIP

Answer 4

如果要检测的对象在每个图像中都有不同的大小，并且形状也略有不同，那么我建议您使用该对象的HaarCascade。 如果该对象非常笼统，则可以轻松地在网上找到它的haar级联。 否则，很难进行级联的haar（尽管这可能会花费一些时间）。 您可以通过senddex使用此教程在此处制作HaarCascade。

或者，如果你想知道如何使用HaarCascades那么你就可以得到它的这个链接这里 。