使用OpenCV進(jìn)行模板匹配(原圖-模板圖)？匹配算法有很多，比如最簡單的對比原圖和模板圖的像素值。但是這種方法稍微有一點(diǎn)旋轉(zhuǎn)和光照變化結(jié)果就會很差。為了改進(jìn)這個(gè)，有了SAD算法。然后SAD相似的SS

使用OpenCV進(jìn)行模板匹配(原圖-模板圖)？

匹配算法有很多，比如最簡單的對比原圖和模板圖的像素值。但是這種方法稍微有一點(diǎn)旋轉(zhuǎn)和光照變化結(jié)果就會很差。為了改進(jìn)這個(gè)，有了SAD算法。然后SAD相似的SSD。再然后是計(jì)算區(qū)域互相關(guān)性的NCC算法。以上三種算法中，SAD算法最簡單，因此當(dāng)模板大小確定后，SAD算法的速度最快。NCC算法與SAD算法相比要復(fù)雜得多。至于算法的過程，這三個(gè)算法都是很好理解的算法，我覺得還是自學(xué)比較好。

如何利用OPENCV的matchShapes進(jìn)行輪廓匹配？

目前也在進(jìn)行輪廓匹配方面的研究。輪廓匹配的前提是要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)的算法有很多，經(jīng)典的有SIFT，SURF，在openCV中都有實(shí)現(xiàn)，然后使用魯棒性匹配算法robustMatch匹配。目前在看一篇論文《基于曲率特征的輪廓匹配算法》，講到的匹配算法感覺比較簡單，第一步是多邊形逼近輪廓，來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，論文中對Hausdorff距離的計(jì)算采用的了簡化的方法。