画像

Question

私はC画像内の指定された画像（ロゴ）を探すために++プログラムを書くしようとしているにロゴを見つけ、私はここからのコードを使用しました：http://docs.opencv.org/2.4/doc/tutorials/features2d/feature_homography/feature_homography.html

だから、私は2枚の画像を持っている - 1でありますロゴ、もう1つはそれを含んでいる（またはしていない）。 ロゴは回転または拡大縮小することも、部分的に覆うこともできます。しかし、今のところ私はどんな場合でも満足のいく結果を達成しようとしていますが、2つの同一の画像を比較した場合です。これまでのところ、私の結果は恐ろしいものではありませんでした。 私はBMWのロゴとロゴと抽象的な抽象図を含む画像を持っています。マッチングは絶望的にランダムに見える。 私はこの作品をより良くするためのアイデアや提案を感謝します。 コード私が実行している：

#include <stdio.h> 
#include <iostream> 
#include <stdio.h> 
#include <iostream> 
#include "opencv2/core.hpp" 
#include "opencv2/features2d.hpp" 
#include "opencv2/imgcodecs.hpp" 
#include "opencv2/highgui.hpp" 
#include "opencv2/xfeatures2d.hpp" 
#include <opencv2/imgproc/imgproc.hpp> 
#include <opencv2/calib3d.hpp> 


using namespace std; 
using namespace cv; 
using namespace cv::xfeatures2d; 


int main(){ 

    Mat img_object = imread("bmw_logo.jpg", CV_LOAD_IMAGE_GRAYSCALE); 
    Mat img_scene = imread("bmw_search.jpg", CV_LOAD_IMAGE_GRAYSCALE); 
    resize(img_object, img_object, Size(img_object.cols/2, img_object.rows/2)); 
    resize(img_scene, img_scene, Size(img_scene.cols/2, img_scene.rows/2)); 


    if (!img_object.data || !img_scene.data){ 
     std::cout << " --(!) Error reading images " << std::endl; return -1; 
    } 

    //-- Step 1: Detect the keypoints using SURF Detector 
    int minHessian = 400; 

    Ptr<SURF> detector = SURF::create(minHessian); 
    std::vector<KeyPoint> keypoints_object, keypoints_scene; 

    detector->detect(img_object, keypoints_object); 
    detector->detect(img_scene, keypoints_scene); 

    //-- Step 2: Calculate descriptors (feature vectors) 
    Ptr<SURF> extractor = SURF::create(minHessian); 

    Mat descriptors_object, descriptors_scene; 

    extractor->compute(img_object, keypoints_object, descriptors_object); 
    extractor->compute(img_scene, keypoints_scene, descriptors_scene); 

    //-- Step 3: Matching descriptor vectors using FLANN matcher 
    FlannBasedMatcher matcher; 
    std::vector<DMatch> matches; 
    matcher.match(descriptors_object, descriptors_scene, matches); 

    double max_dist = 0; double min_dist = 100; 

    //-- Quick calculation of max and min distances between keypoints 
    for (int i = 0; i < descriptors_object.rows; i++){ 
     double dist = matches[i].distance; 
     if (dist < min_dist) min_dist = dist; 
     if (dist > max_dist) max_dist = dist; 
    } 

    printf("-- Max dist : %f \n", max_dist); 
    printf("-- Min dist : %f \n", min_dist); 

    //-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist) 
    std::vector<DMatch> good_matches; 

    for (int i = 0; i < descriptors_object.rows; i++) { 
     if (matches[i].distance < 3 * min_dist) { 
      good_matches.push_back(matches[i]); 
     } 
    } 

    Mat img_matches; 
    drawMatches(img_object, keypoints_object, img_scene, keypoints_scene, 
     good_matches, img_matches, Scalar::all(-1), Scalar::all(-1), 
     vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); 

    //-- Localize the object 
    std::vector<Point2f> obj; 
    std::vector<Point2f> scene; 

    for (int i = 0; i < good_matches.size(); i++) { 
     //-- Get the keypoints from the good matches 
     obj.push_back(keypoints_object[good_matches[i].queryIdx].pt); 
     scene.push_back(keypoints_scene[good_matches[i].trainIdx].pt); 
    } 

    Mat H = findHomography(obj, scene, CV_RANSAC); 

    //-- Get the corners from the image_1 (the object to be "detected") 
    std::vector<Point2f> obj_corners(4); 
    obj_corners[0] = cvPoint(0, 0); obj_corners[1] = cvPoint(img_object.cols, 0); 
    obj_corners[2] = cvPoint(img_object.cols, img_object.rows); obj_corners[3] = cvPoint(0, img_object.rows); 
    std::vector<Point2f> scene_corners(4); 

    perspectiveTransform(obj_corners, scene_corners, H); 

    //-- Draw lines between the corners (the mapped object in the scene - image_2) 
    line(img_matches, scene_corners[0] + Point2f(img_object.cols, 0), scene_corners[1] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
    line(img_matches, scene_corners[1] + Point2f(img_object.cols, 0), scene_corners[2] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
    line(img_matches, scene_corners[2] + Point2f(img_object.cols, 0), scene_corners[3] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 
    line(img_matches, scene_corners[3] + Point2f(img_object.cols, 0), scene_corners[0] + Point2f(img_object.cols, 0), Scalar(0, 255, 0), 4); 

    //-- Show detected matches 
    imshow("Good Matches & Object detection", img_matches); 

    waitKey(0); 
    return 0; 
} 

Answer 1

私はあなただけがロゴであるかどうかを見つけることを心配している場合、あなたは、Cascade Classificationを使用することを示唆しています。オブジェクトの機能と一致させることは、あなたが望むことをするのに十分ではありません。

ロゴやロゴが含まれていないイメージを収集し、分類子にあなたの仕事をさせる必要があります。もちろん、カスケード分類子についてもっと理解するためにカスケード分類子について読むことができます;