我有一堆“简单”的图像，我想比较它们是否相似。我使用模板匹配 ( ) 将它们相互比较cv::matchTemplate，结果非常好。
现在我想微调我的程序，但我遇到了一个问题。例如，我有两张看起来非常相似的图像。他们唯一的区别是另一个有更粗的线和项目的数字前面不同。当两幅图像都很小时，线条粗细的一个像素差异会在进行模板匹配时产生很大的结果差异。当线条粗细相同并且唯一的区别是前面的数字时，我会得到类似于匹配成功时0.98的模板匹配结果。CV_TM_CCORR_NORMED当线条粗细不同时，匹配结果类似于 0.95。
我不能将阈值降低到 0.98 以下，因为其他一些类似的图像具有相同的线条粗细。
以下是示例图像：
那么我有什么选择呢？
我努力了：
但还没有大的成功。这些图像是否太简单以至于难以检测“好的特征”？
任何帮助都非常受欢迎。
谢谢！
编辑：
这是其他一些示例图像。我的程序认为相似的内容放在同一个 zip 文件夹中。 压缩
一种可能的方法可能是细化两个图像，以便每条线都有一个像素宽度，因为不同的厚度会导致您出现相似性的主要问题。
该过程将首先对图像进行二值化/阈值化，然后对两个图像应用细化操作，因此两者现在都具有相同的 1 px 厚度。然后使用您之前使用的常用模板匹配，效果很好。
如果您想了解有关二值图像细化/骨架化的更多详细信息，请参阅各种讨论论坛和 OpenCV 群组上发布的一些 OpenCV 实现：
你需要一些更基本的东西，没有太多理由去寻找花哨的方法。你的数字已经是二进制的，它们的形状总体上非常相似。
一个初步的想法：考虑某个图像中的上点和下点，并形成上壳和下壳（只是一个壳，而不是凸壳或其他任何东西）。如果给定 column i，它是从图像顶部（底部）开始的第一个点，而不是背景点i. 此外，您的图像主要是一个单一的连接组件（在某些情况下，垂直条分开，但这很好），因此您可以轻松丢弃小组件。这一步对您的情况很重要，因为我看到有些数字带有某种形式的噪声，与图像的其余部分无关。考虑到少于 100 个点的连接组件很小，这些是您为问题中包含的各个图像获得的外壳：
蓝线表示上层船体，绿线表示下层船体。如果不明显，当我们考虑这些船体的区域最大值和区域最小值时，我们会在两者中获得相同的数量。y此外，除了轴上的一些位移外，它们都非常接近。如果我们考虑极值的平均x位置并将两个图像的线绘制在一起，我们会得到下图。在这种情况下，蓝色和绿色的线条用于第二张图像，红色和青色的线条用于第一张图像。红点位于x某些区域最小值的平均坐标中，蓝点相同，但区域最大值（这些是我们的兴趣点）。（下图已调整大小以获得更好的可视化效果）
如您所见，您无需执行任何操作即可获得许多几乎重叠的点。如果我们做得更少，即甚至不关心这种重叠，并继续以微不足道的方式对图像进行分类：如果一个图像a和另一个图像b在上层外壳中具有相同数量的区域最大值，则相同数量的区域最小值在上船体，下船体的区域最大值相同，底船体的区域最小值相同，则a和b属于同一类。对所有图像执行此操作，所有图像都正确分组，但以下情况除外：
在这种情况下，第一张图像中的上层船体只有 3 个最大值和 3 个最小值，而第二张图像有 4 个最大值和 4 个最小值。在您看到船体和获得的兴趣点的图之后：
如您所见，在第二个上层船体中有两个非常接近的极值。平滑这条曲线消除了两个极值，使图像通过简单的方法匹配。另外，请注意，如果您在图像周围绘制一个矩形，那么此方法将告诉它们都是相等的。在这种情况下，您将需要比较多个船体，丢弃当前船体中的点并构建其他船体。尽管如此，这种方法能够正确地对所有图像进行分组，因为它们都非常简单并且几乎没有噪音。
据我所知，困难在于形状相同，只是大小不同。一个简单的破解方法可能是： - 减去图像，然后腐蚀。如果形状相同但稍大一点，则减法将只留下边缘，边缘会变薄并消失，并带有侵蚀作为噪声。
更正式一些，将是采用轮廓，然后是近似多边形并进行不变量比较（Hu Moments等）