Was ist der beste Ansatz, um ein Muster zu identifizieren (könnte ein Text, eine Unterschrift, ein Logo sein. NICHT Gesichter, Objekte, Personen usw.) in einem Bild, vorausgesetzt, dass alle Bilder aus der gleicher Winkel, dh das zu identifizierende Muster ist IMMER im selben Winkel sichtbar, jedoch nicht in Position / Größe / Qualität / Helligkeit usw.
Wenn ich das Logo habe, würde ich gerne 1000 Bilder aus verschiedenen Größen testen. Qualität und erhalten Sie die Bilder, die dieses Muster eingebettet haben oder zumindest mit hoher Wahrscheinlichkeit dieses Muster eingebettet haben.
Danke,
Perl? Ich hätte vorgeschlagen, OpenCV mit Python oder C zu verwenden, da Sie auf der Linux-Plattform sind.
Sie können SURF und SIFT ausprobieren (erklärt, wie Sie dies tun können mit OpenCV und C ++ mit angehängtem Code), die anständige Vorlagenabgleiche (Logos, etc.) vornehmen können.
Die Texterkennung ist ein anderer Kessel, ich würde vorschlagen, Robuste Texterkennung in natürlichen Bildern mit Edge- erweiterte maximal stabile extreme Regionen Papier, das ist die neueste, die ich gesehen habe, die robuste Texterkennung von natürlichen Szenen, ohne zu kompliziert zu werden.
Das Trainieren eines neuronalen Netzwerks mit den erwarteten Mustern scheint der beste Allround-Weg zu sein, obwohl der Trainingsprozess lange dauern wird. Die tatsächliche Identifikation ist jedoch fast in Echtzeit.
Hier ist eine Diskussion zur MSER-Implementierung in zwei Bibliotheken: a) OpenCV, b) VLfeat
Vielleicht können Sie ein paar Bilder zeigen, aber es scheint wie Vorlagenvergleich (vielleicht mit einem Entfernung transform ) scheint wie ein idealer Kandidat für Ihr Problem.
Haben Sie AForgenet überprüft? Es hat große Bibliotheken für die Verarbeitung von Blobs. Es ist in .NET
Tags und Links image-processing computer-vision classification image-recognition