Fork me on GitHub

如何提高模版识别的成功率

在图像识别的方法中,模版识别是比较简单的一种,《学习opencv》中给出了例子和实现代码,即使是在最新版本中,改变的也并不大。

但是这并不代表模版识别在实际应用中不适合。恰恰相反,每一张方法都需要用在它合适的地方。模版识别相对来说,应用于特征不是非常明显,或者对速度要求不是非常高的情况下。当然,有许多时候,你只能选择模版识别,而不能用特征识别,因为图像没有提供那么足够的特征。

这里,我谈一谈如何提高模版识别的成功率。

《学习opencv》中给出5中模版识别算法,并且附了例子。即使就是在书中,也特别提到了,这5种算法适合不同的场合,需要看情况使用——但是到底看什么情况?就没说了。实际上,原始图片的质量、光照的影响,这些对于最终结果识别都会有影响,往往需要将各种方法结合起来使用。

我建议,在模版识别的初期,可以根据单个研究的情况选择识别的发放,或者多个方法交叉验证。

此外,先验知识的引入也非常重要。什么叫做先验知识,举个例子,在流水线上,各个图片的x值的坐标是变化不大的,物体是前后移动。利用这个知识,就可以缩减识别的区域,在提高图像识别速度的同时提高准确率。

目前方向:图像处理,人工智能
posted @ 2014-08-31 14:41  jsxyhelu  阅读(760)  评论(0编辑  收藏  举报