问对带有噪声的图像进行模板匹配的最佳方法是什么？

EN

最快的方法可能是用你的徽标的几个变体和一些可能的旋转和一些反面例子(非徽标)训练的增强分类器的级联。您必须粗略地缩放您的整体图像，以便测试和训练示例按比例大致匹配。与SIFT或SURF花费大量时间搜索兴趣点并创建用于学习和搜索的描述符不同，二进制分类器将大部分负担转移到训练阶段，而您的测试或搜索将更快。

简而言之，级联将以这样一种方式运行，即第一次测试将丢弃图像的一大部分。如果第一个测试通过，其他测试将跟随并改进。它们将是超级快速的，只需在每个点周围平均进行几次强度比较。只有几个位置可以通过整个级联，并且可以通过其他测试进行验证，例如旋转相关例程。

因此，分类器是有效的，不仅因为它们可以快速检测您的对象，还因为它们还可以快速丢弃非对象区域。要了解更多关于boosted分类器的信息，请参阅下面的openCV section。

这个问题通常由Logo Detection解决。有关类似的讨论，请参阅this。有许多健壮的模板匹配方法。有关详细讨论，请参阅this或谷歌。

但是从你的例子中，我可以猜到下面的方法是可行的。

1. 为您的搜索图像创建一个特征。它本质上是一个矩形，包含了"CCTV“一词。因此，用于匹配文本信息的宽度、高度、角度和单个字符特征可能是合适的选择。(或者您也可以使用带有"CCTV“的图像。在这种情况下，该方法将不是尺度不变的。)当搜索第一个detect矩形时，
2. Now。然后使用角度修剪您的搜索空间，并使用图像变换将矩形平行于轴对齐。(这应该会照顾到轮换的需要)。然后根据步骤1中选择的特征，匹配文本内容。如果您使用单个字符特征，那么您的模板匹配步骤可能本质上是一个分类步骤。否则，如果您使用图像进行匹配，则可以使用cv::matchTemplate.

希望能有所帮助。

符号定位比徽标定位更复杂，因为兴趣点很难在文档图像上工作，例如建筑平面图。许多会议都涉及模式识别，每年都有许多新的符号识别算法，所以给你最好的方法是不可能的。你可以查看IAPR会议: ICPR，ICDAR，DAS，GREC (图形识别研讨会)等。这些研究人员专注于这个主题:M Rusiñol，J Lladós，S Tabbone，J-Y Ramel，M Liwicki等。他们致力于几种改进符号识别的技术，如：vectorial signatures，graph based signature等(查看谷歌学者以获得更多论文)。

开始一种新方法的一个简单方法是处理简单的形状，如直线、矩形、三角形，而不是一次性匹配所有形状。