圖像中的目標檢測

Question

我想檢測圖像中的某些元素。 為此，我得到圖像和指定的元素（如鼻子），然后從Pixel（0,0）開始搜索我的元素。 但是軟件性能太差了，因為我一個接一個地遍歷像素。 我認為我需要一些智能算法來解決這個問題。 也許機器學習算法對此很有用。 你有什么想法

Answer 1

我將從viola jones對象檢測框架開始 。

這是一種有監督的學習技術，可讓您檢測出具有高概率的任何對象。
（盡管本文主要指的是面孔，但它是為一般對象設計的。）

如果您選擇這種方法-您的主要工作將是獲得分類訓練集。 您以后可以評估使用交叉驗證的算法的質量。

AFAIK，它在OpenCV庫中實現（我不熟悉該庫以提供幫助）

Answer 2

您可以使用圖像和搜索模式的傅立葉變換來進行非常快速的互相關

一個很好的實現是例如OpenCV的matchTemplate函數

如果您的圖案始終在圖像上始終具有相同的旋轉度和縮放比例，則效果最佳。 如果不是，則可以使用模式的多個縮放/旋轉版本重復搜索。

這種方法的一個優點是不需要培訓階段。

---

另一個更適合您的模式的更簡單方法是：

使用連接的組件標簽來識別具有正確數量的白色像素的斑點，將其作為元素的中心矩形。 這將消除幾乎所有的誤報。 將搜索集中在剩下的幾個景點上。 同樣，OpenCV具有一個不錯的Blob庫，用於處理此類問題。

Answer 3

如果您要在計算機生成的圖像中尋找簡單的幾何形狀（如您提供的示例），那么您就不必為機器學習而煩惱。

例如，這是您嘗試在原始圖像中找到的組件之一：

（圖片已根據要求刪除）

假設此組件始終以相同的尺寸繪制，則頂線和底線始終相距21個像素。 通過將此圖像與其垂直方向偏移21個像素的副本進行組合，並將兩個圖像中較亮的一個作為每個位置的像素值，可以大大縮小搜索空間。

（圖片已根據要求刪除）

同樣，此組件左右兩邊的垂直線相距47像素，因此我們可以使用47像素的水平移位重復此過程。 這將在組件位置處產生大約24px高的垂直條。

（圖片已根據要求刪除）

通過在經過處理的圖像的垂直列中查找22至26像素長的黑色像素，可以很容易地檢測到這些條。 這將為您提供候選位置的簡短列表，您可以在其中更徹底地檢查此組件的存在，例如，通過計算局部2D互相關。

這是處理整個圖像后的結果。 到達此階段僅需幾毫秒。

（圖片已根據要求刪除）