我正试图在场景中发现星巴克标志.如何摆脱边界折线中的这些人工制品？

Question

我制作了一个星巴克标识探测器,但是当我画出应该包围徽标的折线时,我会得到这些奇怪的人工制品.

这是一个正确的结果:

以下是人工制品的一些例子:

我正在使用SIFT来检测关键点并绘制矩形,如OpenCV教程中所示,如下所示:

 import numpy as np
 import cv2

 cap = cv2.VideoCapture(0)

 sift = cv2.xfeatures2d.SIFT_create()
 img1 = cv2.imread('logo.png', 0)
 img1.resize(512, 512)
 kp1, des1 = sift.detectAndCompute(img1, None)
 while (True):
     ret, frame = cap.read()
     frame = findLogo(frame, kp1=kp1, des1=des1)
     cv2.imshow("frame",frame)
     if cv2.waitKey(1) & 0xFF == ord(' '):
         break
 cap.release()
 out.release()
 cv2.destroyAllWindows()


 def findLogo(frame, kp1, des1):
     MIN_MATCH_COUNT = 10
     # Initiate SIFT detector
     sift = cv2.xfeatures2d.SIFT_create()

     img2 = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
     # find the keypoints and descriptors with SIFT
     kp2, des2 = sift.detectAndCompute(img2, None)
     if len(kp2) != 0 and des2 is not None:
         FLANN_INDEX_KDTREE = 0
         index_params = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
         search_params = dict(checks=50)

         flann = cv2.FlannBasedMatcher(index_params, search_params)

         matches = flann.knnMatch(des1, des2, k=2)

         # store all the good matches as per Lowe's ratio test.
         good = []
         for m, n in matches:
             if m.distance < 0.7 * n.distance:
                 good.append(m)
         if len(good) > MIN_MATCH_COUNT:
             src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2)
             dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2)

             M, mask = cv2.findHomography(src_pts, dst_pts, cv2.RANSAC, 5.0)

             matchesMask = mask.ravel().tolist()

             # h, w = img1.shape
             h = 512
             w = 512
             pts = np.float32([[0, 0], [0, h - 1], [w - 1, h - 1], [w - 1, 0]]).reshape(-1, 1, 2)
             if M is not None:
                 dst = cv2.perspectiveTransform(pts, M)
                 frame = cv2.polylines(frame, [np.int32(dst)], True, (0, 255, 255), 3, cv2.LINE_AA)

         else:
             print("Not enough matches are found - %d/%d" % (len(good), MIN_MATCH_COUNT))
             matchesMask = None 
     return frame

我看到它们在程序无法检测到图像时出现.程序中有一些行可以防止这种情况发生(并且它在大多数情况下都会起作用,就像屏幕上什么也没有),但是这个错误仍然存​​在.更改MIN_MATCH_COUNT为更高的数字没有帮助.正如你在这里看到的:

即使有37个好的比赛,人工制品也会出现.将其设置得太高意味着除非手机完全静止,否则程序将找不到徽标.

我怎样才能摆脱那些文物呢？有任何想法吗？

Answer 1

的变形的轮廓是由于单应不被正确计算.

当您要查找的对象具有矩形形状时,这是一种丢弃不良轮廓的方法:

• 找到轮廓的最短边和最长边并计算两边之间的相对间隙:| 最长 - 最短| /最长的.如果相对间隙太大,则可能意味着轮廓不好.

现在,有四种方法可以处理任何轮廓(不仅仅是矩形轮廓):

• 设置轮廓区域的阈值(可以使用计算contourArea).该轮廓的区域既不应该是小也不大.
• 检查的数量正常值由给定findHomography功能.如果此数字低于某个阈值(例如,10),则丢弃轮廓.
• 检查轮廓的任何边缘是否与任何其他边缘相交.如果是这种情况,那么你可以确定轮廓是坏的.
• 你也可以尝试这个读取单应矩阵值的函数,并返回true或false,无论单应性是否" 好 ".(您可能需要根据需要调整函数内部的值).

丢弃所有的坏轮廓是不是一件容易的事,但是通过使用多种的方法如上所述,你应该摆脱了广大错轮廓的.