信息处理 - 视频中的错误 SURF 输出 - 吾爱随笔录

我正在尝试在 X 射线视频（灰色图像）中找到三个颈椎（C2、C3、C4）我正在使用 SURF 来识别有这 3 个椎骨的位置（所有这些椎骨的大框）
SURF 给了我很好在这种情况下导致

现在我正试图从这个大盒子中识别出这些椎骨中的每一个，但在这种情况下 SURF 失败了 SURF 在有 3 个椎骨的区域工作得非常好，但单独找到它们并不好

更新： SURF 的想法是找到图像中的重要关键点。因此，我使用这个想法在 2 个图像中找到关键点，然后找到这 2 个图像之间的匹配点。在我的程序开始时，用户选择了 4 个框。一个大盒子装所有的椎骨，另外三个。

我将使用这个选定的区域作为模板，在视频的下一个图像中找到它们。首先，我将应用 SURF 来找到所有椎骨的大盒子。这个代码很好用

现在我想在大盒子里找到三个小盒子，但 SURF 给了我不好的结果（错误的盒子）

照片向您展示了 4 个框（忽略左侧框和三个点）这是我正在使用的 4 个模板图像（裁剪 4 次后）

问题是，我怎样才能提高 SURF 结果以获得三个椎骨？

任何帮助将不胜感激：D

这是显示完美结果的图像....大盒子有3个盒子...

在此处输入图像描述

这是我正在使用的代码第一个参数 (Mat img_object) 是我试图在 (Mat img_scene) 中找到的模板图像，第二个参数是有 3 个椎骨的大盒子，第三个参数是当我们找到它时我想在物体周围画一个盒子

CvRect Identify_SURF_Frame (Mat img_object , Mat img_scene , CvRect in_box) 
    { 
cvNamedWindow("Good Matches & Object detection", CV_WINDOW_AUTOSIZE);
CvRect output_box; 
//-- Step 1: Detect the keypoints using SURF Detector
int minHessian = 1;  // I reduce this number so I can have a lot of number for  keypoints 
SurfFeatureDetector detector( minHessian , 2 , 3 , true , true );
std::vector<KeyPoint> keypoints_object, keypoints_scene;
detector.detect( img_object, keypoints_object );
detector.detect( img_scene, keypoints_scene );

//-- Step 2: Calculate descriptors (feature vectors)
SurfDescriptorExtractor extractor;
Mat descriptors_object, descriptors_scene;
extractor.compute( img_object, keypoints_object, descriptors_object );
extractor.compute( img_scene, keypoints_scene, descriptors_scene );

//-- Step 3: Matching descriptor vectors using FLANN matcher
BruteForceMatcher < L2 < float > > matcher;
std::vector< DMatch > matches;
matcher.match( descriptors_object, descriptors_scene, matches );
double max_dist = 0; double min_dist = 100;

//-- Quick calculation of max and min distances between keypoints
for( int i = 0; i < descriptors_object.rows; i++ )
{ 
    double dist = matches[i].distance;
    if( dist < min_dist ) min_dist = dist;
    if( dist > max_dist ) max_dist = dist;
}

//-- Draw only "good" matches (i.e. whose distance is less than 3*min_dist )
std::vector< DMatch > good_matches;
for( int i = 0; i < descriptors_object.rows; i++ )
{ 
    if( matches[i].distance < 4 * min_dist )
    { 
        good_matches.push_back( matches[i]); 
    }
}

Mat img_matches;
drawMatches( img_object, keypoints_object, img_scene, keypoints_scene, good_matches, img_matches, Scalar::all(-1), Scalar::all(-1), 
            vector<char>(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS );

//-- Localize the object
std::vector<Point2f> obj;
std::vector<Point2f> scene;
if (good_matches.size() >= 4)
{
    for( int i = 0; i < good_matches.size(); i++ )
    {
        //-- Get the keypoints from the good matches
        obj.push_back( keypoints_object[ good_matches[i].queryIdx ].pt );
        scene.push_back( keypoints_scene[ good_matches[i].trainIdx ].pt );
    }

    Mat H = findHomography( obj, scene, CV_RANSAC );
    //-- Get the corners from the image_1 ( the object to be "detected" )
    std::vector<Point2f> obj_corners(2);
    obj_corners[0] = cvPoint(0,0); 
    obj_corners[1] = cvPoint( img_object.cols, 0 );
    //obj_corners[2] = cvPoint( img_object.cols, img_object.rows ); 
    //obj_corners[3] = cvPoint( 0, img_object.rows );

    std::vector<Point2f> scene_corners(2);
    perspectiveTransform( obj_corners, scene_corners, H);
    int x1 , x2 , y1 , y2 ;
    x1 = scene_corners[0].x + Point2f( img_object.cols, 0).x ; 
    y1 = scene_corners[0].y + Point2f( img_object.cols, 0).y ; 
    x2 = scene_corners[0].x + Point2f( img_object.cols, 0).x + in_box.width ; 
    y2 = scene_corners[0].y + Point2f( img_object.cols, 0).y + in_box.height ; 

    rectangle(img_matches , cvPoint(x1, y1) , cvPoint(x2, y2)  , Scalar( 255, 255, 255), 1 );
    output_box.x = x1 - in_box.width ; 
    output_box.y = y1 ; 
    output_box.width = in_box.width ; 
    output_box.height = in_box.height ; 
}
//-- Show detected matches
imshow( "Good Matches & Object detection", img_matches );
return output_box ; 
}