问题：我有一张物体的照片（制造零件，如下面的照片），我想使用我的 Andoird 手机相机验证相机预览中的物体是否与模板匹配。（换句话说，它是否与模板相同的部分）
问题： 你建议我用什么来解决这个问题？我在考虑 Canny 边缘提取，然后将相机帧与模板中的 Canny 边缘提取相匹配？这是一个好主意吗？如果是，请告诉我如何实施？任何资源？样品？（我可以进行 Canny 边缘提取，但找不到匹配的方法）
如果不是一个好主意，那么您有什么建议？
我尝试过的事情：
这很难。在我真正尝试之前，我什至不确定我自己能不能做到这一点。这绝对不是可以在 DSP.SE 答案中描述的东西。
关于精巧的边缘，即使它是精确的，您也只会得到像线条图这样的图像作为输出。重点是下一步。有很多东西可以尝试，有很多关于边缘模式匹配的理论，但这并不容易。
在走这条路之前，我会尝试一些更简单的方法，例如，我将尝试定位这些圆的坐标和半径。（螺母，孔等）看看我是否可以仅使用这些信息来识别零件。那我就走直线了。
请注意，我只知道该领域的理论概述，通常不进行图像处理，但您可以肯定地尝试我建议使用 OpenCV 的方法。
好的，特征提取和匹配是初学者的方法。其他方法，如相对姿态估计、三角测量、3d 匹配等会复杂得多。
你的物体是金属的，因此有光泽。此外，如果没有正确的照明，很难匹配特征。但是，正如我从那张照片中看到的那样，您仍然拥有大量的功能。提取您的描述符并使用 FLANN 匹配它们。如果您使用 Sift 功能，它将为您提供足够的透视不变性。
我看到你的大部分模板都是平面的。因此，在使用 Sift+FLANN 计算匹配后，您不妨使用 RANSAC 进行单应性计算。因为 RANSAC 可以容忍大量的异常值（~50%），所以你最终会得到一个很好的单应性。幸运的是，OpenCV 也有。当然，这种单应性并不总是很好，您可以通过以下方式检测到这一点：
bool validate_homography(const double h[9])
{
const double det = h[0] * h[4] - h[3] * h[1];
if (det < 0)
return false;
const double N1 = sqrt(h[0] * h[0] + h[3] * h[3]);
if (N1 > 4 || N1 < 0.1)
return false;
const double N2 = sqrt(h[1] * h[1] + h[4] * h[4]);
if (N2 > 4 || N2 < 0.1)
return false;
const double N3 = sqrt(h[6] * h[6] + h[7] * h[7]);
if (N3 > 0.002)
return false;
return true;
}
如果返回 true，您可以接受匹配。