如何识别图像中的三种对象？

Posted 2023-03-13

【中文标题】如何识别图像中的三种对象？

【英文标题】：How to identify three types of objects in a image?

【发布时间】：2018-11-19 11:03:50

【问题描述】：

我想从卫星风图像中识别出三个不同的物体。问题是其中三个有点相似。我尝试使用模板匹配进行识别，但没有成功。三个对象如下。

这里物体的方向并不重要，但行中头部的类型很重要。你能建议一种方法吗？

【问题讨论】：

“我尝试了一些东西，但它没有工作”作为起点的错误描述有点过于宽泛。

在模板匹配中，我将这种类型的图像作为模板，并且只能识别少数对象（两个或三个）。我想从分布在图像中的大约 100 个对象中识别对象。

模板匹配在尺寸变化或旋转方面效果不佳。不过，它有可能对您的图像起作用。 cv2.MatchTemplate 返回一个接近图像大小的数组（图像高度 - 模板高度，图像宽度 - 模板宽度），每个数组元素都有一个分数。因此，如果您在图像中搜索模板的多个实例，您必须自己检查 cv2.MatchTemplate 结果。 minMaxLoc 实际上只会给你一个匹配。 keypoint + homography 是不错的替代品

【参考方案1】：

假设您的图像仅包含纯黑色和纯白色像素，

您可以找到每个轮廓及其边界矩形或 minAreaRect。

https://docs.opencv.org/2.4/modules/imgproc/doc/structural_analysis_and_shape_descriptors.html?highlight=minarearect#minarearect

然后迭代轮廓，将矩形视为单独的图像。现在您对这些图像进行分类。您也可以使用模板匹配。

祝你好运！

【参考方案2】：

您是否考虑过机器学习？

例如，一个用于数字识别的小型 cnn 可以使用您的一小部分图像进行“重新训练”，Keras 还具有数据增强功能，以帮助确保训练一个健壮的分类器。

有一篇非常好的博客文章 Yash Katariya 发现 @https://yashk2810.github.io/Applying-Convolutional-Neural-Network-on-the-MNIST-dataset/，其中加载了 MNIST 数据集并训练了网络，它经历了您需要使用 ML 来解决您的问题的所有阶段。

您提到您尝试过模板匹配，但您也提到旋转并不重要，这对我来说意味着可以旋转对象，这会导致 TM 失败。

您可以查看 LBP（本地二进制模式），或者可能是 OpenCV 的 Haar 分类器（但它对旋转很敏感）。

除了我建议的项目之外，还有一个很棒的教程 @https://gogul09.github.io/software/image-classification-python，它使用功能和机器学习，你可能会受益于应用到这个问题。

我希望虽然实际上并没有直接回答您的问题，但我已经为您提供了一套工具，您可以通过投入一些时间和阅读来解决这个问题。