スケールとローテーションテンプレートマッチング

Question

私はテンプレートと一致するメソッドをCV_TM_CCORR_NORMEDと使用して2つの画像を比較しています...私はこの回転とスケールを不変にするために作りたいと思います。

私は画像とテンプレートのフーリエ変換に同じメソッドを使用しようとしましたが、それでも回転後の結果が異なっている、あなたのオブジェクトがシーンに回転や拡大縮小されたときにmatchTemplateとのマッチング

Answer 1

テンプレートが良くありません。

フレームワークFeatures2DからopenCV関数を試す必要があります。例えば、SIFTまたはSURF記述子、およびFLANNマッチャ。また、findHomographyメソッドが必要です。

Hereは、シーン内の回転オブジェクトを見つける良い例です。

更新：要するに

、アルゴリズムはこれです：

1. は、オブジェクトの画像 1.1のキーポイントを見つけます。あなたのシーン画像マッチャー

2. によってキーポイント

3. マッチ記述子から 2.1抽出ディスクリプタのキーポイントを見つけるそれらのキーポイント

4. から抽出記述子は異なるクラスがあり

あなたの試合を分析しますFeatureDetectors、DescriptorExtractors、およびDescriptorMatchesのうち、それらについて読んで、あなたのtaに合ったものを選択することができますsks。

• openCV FeatureDetector（1ステップと、上記アルゴリズム2）
• openCV DescriptorExtractor（上記のアルゴリズムのステップ3）
• openCV DescriptorMatcher（上記アルゴリズム 1.1および2.1ステップ）不変

Answer 2

回転

各キーポイント：

1. キーポイントの周りを取る。
2. この領域の方位角を勾配法または別の方法で計算します。
3. この角度のパターンと要求領域を0に回転させます。
4. この回転領域のディスクリプタを計算して一致させます。

スケール不変

はBRISK方法

Answer 3

あなたがその本当に唯一の回転やスケールを知っていれば、特徴検出及びホモグラフィを経由して行くよりも、テンプレートの規模に合致し、回転不変の簡単な方法は（ありますを参照してください。 、他のすべては一定です）。 真のオブジェクト検出のためには、上記の提案されたキーポイントベースのアプローチが効果的です。

もしそれが同じテンプレートであり、視点の変更がないと分かっているならば、スケールピースの画像ピラミッドを撮って、そのピラミッドのさまざまなレベルでテンプレートをマッチさせます。 NCC）。ピラミッドのより高い（=より低い解像度）レベルでの大まかなマッチングを見つけることは安いでしょう。実際には、それは非常に安くて、低解像度のレベルでテンプレートを大まかに回転させることができます。テンプレートを高解像度のレベルに戻すときは、より精細な回転ステッピングを使用します。これはかなり標準的なテンプレートマッチング技術であり、実際にはうまくいきます。