SIFT方法給我不好的結果，識別4個形狀

我試圖識別打開的簡歷，但我有一些問題。首先，我想要認識顏色（心，鑽石，黑桃或俱樂部）。我盯着紅色。所以我檢測顏色，並切割鑽石或心臟，並嘗試認識篩選 - 我選擇良好的比賽和匹配的顏色，將有更多的（我敢肯定它的愚蠢，但我沒有任何想法如何做到這一點）。我得到結果就像一個如下：SIFT方法給我不好的結果，識別4個形狀

this

這是我的匹配函數的代碼：

def match(img, models): 
goods = [] 
for name, value in models: 
    sift = cv2.xfeatures2d.SIFT_create() 
    kp1, des1 = sift.detectAndCompute(name, None) 
    kp2, des2 = sift.detectAndCompute(img, None) 
    if des1 is None or des2 is None: 
     continue 
    bf = cv2.BFMatcher() 
    matches = bf.knnMatch(des1, des2, k=2) 
    good = [] 
    if matches is None: 
     continue 
    for m, n in matches: 
     if m.distance < 0.75 * n.distance: 
      good.append([m]) 
    img3 = cv2.drawMatchesKnn(img, kp1, name, kp2, good, None, flags=2) 
    plt.imshow(img3), plt.show() 
    goods.append([len(good), value]) 
maxi = 0 
ret = None 
for l, v in goods: 
    if l > maxi: 
     maxi = l 
     ret = v 
if maxi < 3: 
    return 0 
return ret

如果您有任何提示，我會很感激。

來源

2016-12-31 heheszki

所以顏色檢測和農作物成功，你只有分類是鑽石還是心臟對不對？ – ebeneditos

是的，我只有篩選問題 – heheszki

SIFT沒有在分類形狀上表現出emphsize，它是局部不變的描述符，主要用於分類/匹配給定圖像的特徵，對於形狀檢測，您需要獲取輪廓，然後檢查sape或顏色相關的東西。 –

您應該有4個模型圖像，每個形狀一個。

首先，您應該對顏色進行分類，因此您只需將圖像與2個模型（心臟/鑽石或鏟子/球杆）進行比較。現在

，因爲顏色並不重要了，你應該二值化圖像，高斯+大津應該是足夠的，這是可以做到如下：

# Otsu's thresholding after Gaussian filtering 
blur = cv2.GaussianBlur(img,(5,5),0) 
ret, th = cv2.threshold(blur,0,255,cv2.THRESH_BINARY+cv2.THRESH_OTSU)

最後，我會做的特徵匹配th與2模型的圖像和獲得更多的功能數學（len(good)）是你正在尋找的。

請注意，模型圖像必須進行二值化處理，且尺寸應相同。

希望這有助於！

來源

2016-12-31 11:40:18 ebeneditos

謝謝，它的工作:) – heheszki

SIFT方法給我不好的結果，識別4個形狀

回答

相關問題