模板匹配前的必要图像处理操作

好吧，这可能表明我没有参加图像处理课程。

我有这个模板来匹配图像中的对象。但是，例如，图像中的真实对象看起来并不像第二个图像。我需要进行哪些操作才能使像第二张图像一样准备好进行模板匹配？仅供参考，第三张图片显示了理想的匹配。

在另一个想法中，我使模板适合图像。也就是说，我在图像上给出了四个角坐标以匹配模板中的角坐标。然后，它将计算出一种使模板适合该区域的方法。

更新：问题已解决。感谢我在下面选择的答案。我成功地将模板应用于图像。最后一张图片显示了结果。

您发布的示例图像具有相对较强的透视图（并非从表面法线方向直接成像），这可能会导致模板匹配技术出现问题，例如使用块处理。我假设您必须拍摄具有强透视图的图像，所以我们要做的第一件事是估计图像变换，该变换将消除透视图投影并得到经过校正的图像（“纯图像”）。

已知形状时校正透视投影

预处理的最终目标是找到作为颜色图表背景的灰色矩形的角。我从简单地用恒定值阈值开始。文献/网络上有很多有关在图像光线不均匀时如何进行阈值处理的信息，但是如果可以，请尝试校正成像设置，以使光线相对均匀。

我假设色卡占据了屏幕的很大一部分，因此它可能是图像的最大连续区域。存在许多黑白标签功能（MATLAB bwlabel，IPP LabelMarkers，OpenCV具有外部库cvblob），它们将为每个不同的连接区域提供自己的索引。贴标签后，您可以使用直方图计算连接的组件的面积，然后选择面积最大的组件。

通常最好填充零部件，使零部件没有孔，这样可以减少边缘像素的数量。

现在，我们可以使用边缘查找运算符（我使用了基于梯度的方法，但是您也可以通过跟踪连接到黑色像素的白色像素来跟踪边缘），以获得属于边界的像素。

由于我们感兴趣的对象是矩形，因此我使用鲁棒线拟合（RANSAC）将四条线拟合到边缘像素。找到新线后，我删除了所有与找到的线接近的点，这将强制后续的拟合操作返回对象的其他边缘。最终，当找到所有边缘时，我计算了线组之间所有可能的交点。从结果点集中，我删除了图像之外的所有点。

$H$$H$

$\textbf{x} = H\textbf{X}$

然后，可以使用此变换矩阵对原始图像进行变换，以使颜色图表从表面法线的方向直接成像。

$H$

如果我们仍然想进行模板匹配，则可以使用任何合适的模板匹配方法。该方法不必是旋转/缩放不变的，因为图像已经被校正。

从边缘检测开始。然后使用霍夫变换检测直线。然后找出哪些线是平行的，哪些线应该是垂直的。然后估计投影变换，以使应该垂直的线实际上是垂直的。