我决定启动这项在心中停留了好几年的想法。

辅助性的输出应当是：熟悉opencv的开发以及图像检索的各种算法的优劣。熟悉Python。熟悉Object-C的开发。

目标先不要定太高，先从一个有限的标准图片库进行检索开始：

• 库里面有300~2000张长方形的彩色图片。
• 检索的图片源来自互联网或者相机。
• 待检索的图片中可能包含有长方形区域，匹配库中的某一图片（的主要区域，边缘部分有可能不一致，主要区域上可能被污损）。括号内的难度递增。
• 待检索图片主要区域可能有色偏。
• 待检索图片主要区域可能有沿曲面的变形。
• 待检索图片主要区域可能有轻微的平面几何变形。
• 检索结果可以包含一个小集合3~10个库内图片，并附带其匹配得分。

好了，说说编程和一些结果。

python好几年没用了，现在发现还是很方便的。

安装步骤：

1. Download python installer.exe
2. Install python(include pip)
3. pip install –upgrade setuptools
4. pip install numpy Matplotlib
5. pip install opencv-python
6. pip install时加上 -i https://pypi.tuna.tsinghua.edu.cn/simple，快很多，清华的源就是好

python编程基本靠search engine… 我是连注释方式都忘得差不多。

opencv编程也是，查cv版本：

python
>>import cv2
>>cv2.__version__

cv和cv2很多函数/常量也改名改得多，速查函数/常量名：
for option in cv2.__dict__:
if ‘KEYWORD’ in option:
print option

先来的是直方图，

计算直方图

cv2.calcHist，其中有个比较有效的参数是直方图分块，一般用256，但在存在色偏而不是太严重的时候，就不适宜用256了，目前根据这些图片的特点，改用4/5/6/7/8等会更好，当然了，根据需要用不同的分块数来计算直方图后再结合多个结果会更好。

直方图比较

cv2.compareHist，有好几种公式，我没想到对于色偏最好的是cv2.HISTCMP_INTERSECT，再结合3~10的直方图分块，效果比较理想。

目前所做的是全图片直方图比较。由于图片中央矩形的边沿存在很多不确定性，导致直方图在左右两端（近0和近255）差异较大，公式倾向于失效。必须进行图片的中央矩形提取。

下一步做中央矩形提取。