我需要知道什么是匹配图像中特定形状(模板)的最佳方法。
我知道有几种方法，但是其中一些方法并没有取得很好的结果，而另一种方法则需要大量的处理时间，因此有人尝试了一种很好的快速方法以较短的处理时间进行匹配。
例如，这是模板...
我有一个样本，我想将样本与模板进行比较，如果样本与模板相似，则返回true，否则返回false。
注意:我尝试了轮廓匹配，级联分类和SURF，但是它们都不是很好，或者处理时间也不是很好。
最佳答案
相互匹配是一项相当困难的任务，主要是由于以下事实:不同的技术具有非常不同的特征，并且在某些类别上可以产生几乎完美的结果，而在其他类别上可以产生非常差的结果。
这就是说，我认为您永远不会得到问题的答案，至少不会有人说“使用[被引论文]中的xyx方法可以解决您的所有问题”。我会尝试为您指出一些示例，希望对您有所帮助。
模板匹配运算符:将模板与图像上的滑动窗口进行比较，如果模板的非常类似于您在图像中寻找的对象，则可以达到很好的效果，无论它多么复杂。速度可能非常快，基本上没有什么变化，因此，如果您打算进行旋转，照明发生重大变化或其他问题，那么这可能对您不起作用。 here您可以找到一些代码。请注意您使用的是哪个色彩空间，如果使用得当，不同的色彩空间可以实现非常不同的结果(例如，在人脸分析中，HSV在某些情况下可能比RGB更好)
像SIFT或SURF一样匹配的关键点:我经常使用它，效果非常好。您需要确定要使用的描述符和匹配器。 OpenCV有一些不错的示例，here可以找到一个。并不是最快的匹配对象的方法，因为提取这些描述符可能要花一些时间，如果您对所要工作的条件知之甚少，则很好:它通常在缩放，旋转和缩放方面都很健壮。只要在模板和图像上都能正确找到关键点，闪电就会发生变化。
形状匹配:当我参加一个图像分类比赛时，我能够使用一个简单的HOG描述符获取有关我的图像的非常有区别的信息时，我感到非常惊讶。定向梯度直方图是描述对象形状的强大工具，它使用边缘方向和大小来描述您的图像。它们可以快速计算(我认为OpenCV具有GPU实现)，可配置(您可以决定网格的厚度和单元数，从而产生非常不同的信息)。 HOG并不是旋转不变的，从不同角度看物体可能会产生不同的直方图，但是由于不使用颜色，它们对照明变化非常有抵抗力。
HOG只是一个例子，有很多形状和轮廓描述符，但基本上它们提供的功能几乎完全相同。
直方图匹配:不是我的第一选择，如果您对物体和图像的其余部分有所了解，它会很有用。例如，如果您知道要在丛林图像中寻找粉红色的花朵(那里是唯一的粉红色的东西)，则简单的颜色直方图匹配就可以了。拾取一个滑动窗口，在图像上运行它，比较直方图即可完成。非常快，非常简单，它根本不使用形状，因此无论对象多么复杂，都可以找到它。不使用形状会使其旋转时变得坚固，不过要注意照明的变化。此方法的很大局限性是，如果丛林中还有其他粉红色的东西，您将无法分辨。
混合方法:在这里，您可以充分利用上面引用的技术。如您所见，它们中的大多数在特定环境中都能很好地工作，而在其他环境中却很糟糕。您可以使用已知技术的组合来获得比零件总和要好得多的东西。我在HOG和头部姿势估计方面做了大量工作，当我们开始以密集方式而不是密集方式提取HOG时，真正的突破出现了。您需要了解自己的问题，找出您需要什么，并采用多种方法来解决该问题。通常，混合方法可以更好，更慢地工作。
希望这对您有所帮助，我认为，鉴于您提供给我们的信息，我可以为您提供更好的答案。(可能有人可以，所以我仍然是学生:))
关于c++ - 复杂形状匹配的最佳方法是什么，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/22356224/