关于如何比较两个图像，"计算"它们之间的差异，已经进行了讨论。这可以被视为图像比较的一种变体，但并不完全如此。考虑一下：假设我有一个笔的图像，存储在我手机（安卓手机）的SD卡中。而且，我正在家里用我的相机"寻找"这支钢笔。让我们忽略这样一个事实，我可以用眼睛做同样的事情，让相机来搜索。所以，我在家里，把相机对准不同的地方，看看当我把相机对准这支笔时，相机是否能"识别"它。用模糊的计算机科学术语来说，当我把相机对准东西时，我有一个线程在后台运行，不断地将这支笔的图像与当前的相机视图进行比较。我把相机对准一把椅子，线程将椅子的相机视图与笔的图像进行比较，由于椅子不是笔，因此返回"false"。当我最后把它指向躺在桌子上的同一支笔时，线程应该确定这就是我们SD卡上的图像。因此，"相机视图"现在显示笔及其所在的桌子，但它应该使用图像比较技术来识别笔。
一般来说，这样的事情可能发生吗？忘记安卓系统或智能手机，用摄像头"识别"一个区域或物体可能吗？由于对图像处理库一无所知，我只能假设有些库确实有做这些事情的工具。或者至少，可以有一个"理论"算法，开始研究
谢谢，
Sanjeev Mk
这种事情是可以做到的，但要让它正常工作是非常非常困难的。我在Android上处理OpenCV的经验是，用当前的移动硬件实时处理是不可能的。（对静止帧这样做可能是可行的）
一个非常粗糙（最简单的是一个国家英里）的系统将使用模板匹配cvMatchTemplate。从本质上讲，您将"模板"（例如笔的照片）与搜索图像中每个可能位置的照片进行比较。它是计算密集型的，但在受约束的情况下工作得很好，然而，您的应用程序需要完全不受约束的条件。
我的建议是看看Surf或类似的东西和Hough变换。通过从参考图像在对象上生成一组SURF特征，可以对对象进行"指印"。您在搜索图像上运行surf。然后应用广义hough变换，其中对象模型是一组特征点。霍夫空间中的峰值代表了很好的匹配。
我甚至从未尝试过第二种方法，但我知道这是可能的。此外，我提出的两种方法决不是唯一的两种，它们只是我熟悉的两种