我需要实现一个简单的 Android 应用程序，允许用户在他们的手机上绘制一个“简单”的形状（圆形、三角形等），然后询问服务器绘制的形状是否与其数据库中的一个形状匹配，该数据库由一个低形状的数量（假设 < 100，但可以更多）。为了使这个应用程序工作，我正在考虑使用以下步骤（我们假设输入图像仅包含黑白像素）；
A. 重新调整大小并裁剪输入图像，使其与数据库中的图像具有相同的比例
B. 将输入图像旋转一个小角度（比如说 15 度）x 次（在本例中为 24），并尝试将这些旋转中的每一个与 DB 中的每个形状进行匹配。
问题：
PS：我可以看到很多人在这里讨论过类似的话题，但我似乎无法找到足够符合我要求的东西。
您选择一些描述轮廓的特征，选择一些分类方法，准备一组标记轮廓的训练集，训练分类器，在程序中使用它。
轮廓特征。给定一个轮廓（在图像中检测到或从用户输入构建），您可以计算旋转不变矩。最古老，最广为人知的是一组胡时刻。
您还可以考虑轮廓的特征，例如偏心率、面积、凸度缺陷、质心距离函数的 FFT 变换等。
分类器。现在你需要训练一个分类器。支持向量机、神经网络、决策树、贝叶斯分类器是一些流行的方法。有很多方法可供选择。如果您选择 SVM，LIBSVM是一个免费的 SVM 库，它也适用于 Java，也适用于 Android。
您还可以使用多边形曲线近似轮廓（请参阅Ramer-Douglas-Peucker 算法，OpenCV 库中有一个免费实现，现在可在 Android 上使用）。对于某些简单的形式，如三角形或矩形，您可以轻松发明一些特别的启发式规则来“识别”它们（例如，如果闭合轮廓可以仅用三段和小误差来近似，那么它很可能是三角形；如果质心距离函数几乎是恒定的，并且凸度缺陷为零，那么它很可能是一个圆）。
由于这与手写识别非常相关，因此您可以使用简单的 hmm 算法将形状与预学习的 db 进行比较。
但是对于更简单的方法，您可以检测图像中的角点，然后计算角点以检测形状。
第一种方法可用于任何复杂的形状，而第二种方法仅适用于基本形状。
您可以使用监督学习方法。对于您要解决的问题，我认为简单的分类器，如Naive Bayes、KNN等应该会给您带来好的结果。
您需要从每个图像中提取特征。对于每个图像，您可以将它们保存在矢量中。让我们称之为特征向量。对于数据库中的图像，您已经知道形状的类型，因此您可以在特征向量中包含类型的 id。这将作为训练集。
一旦你有了训练集，你就可以训练你的分类器，每次你想对一个新的形状进行分类时，你只需要得到它的特征向量并用它来查询分类器。
我建议您使用比例和大小不变的功能，这样您就不必重新调整每个图像的大小，您只需要比较一次而不是旋转它。
您可以快速搜索缩放/旋转不变特征并尝试它们。