如果您知道数据的状态空间，则可以使用主成分分析。对于PCA，必须摆放所有对象（在屏幕中央）。 PCA不会进行检测，但会将对象分成唯一的层，您可以在其中将其标识为三角形等。另外请注意：这不是缩放或旋转不变的。

[我不记得这种技术叫什么了，但是它类似于邮局手写记录的方式]如果您只能处理非弯曲的曲面，则可以进行边缘检测，然后在相交处进行采样以获得近似值。相似。

OpenCV具有斑点分析工具，它将为您提供有关形状的度量，您可以将其馈送到您最喜欢的模式识别算法中：）例如。当圆的比率约为0.78时，矩形的面积/（高度*宽度）比率为1.0。

典型的python工具链为：

• 使用PIL读取图像
• 将它们转换成Numpy数组
• 使用Scipy的图像过滤器（ 线性和等级 ， 形态 ）来实现您的解决方案

至于形状的区别 ，我将通过查看背景的形状来获得其轮廓。然后，我将使用角点检测算法（例如，Harris）来检测角点的数量。三角形有3个角，正方形有4个，无笑脸。这是Scipy的Harris拐角检测的python 实现 。

编辑：

正如您在评论中提到的那样，博客文章中没有介绍产生该算法所需的高斯核的函数。这是Scipy Cookbook中的此类功能的示例（btw的最佳资源）：

def gauss_kern(size, sizey=None):
    """ Returns a normalized 2D gauss kernel array for convolutions """
        size = int(size)
        if not sizey:
            sizey = size
        else:
            sizey = int(sizey)
        x, y = mgrid[-size:size+1, -sizey:sizey+1]
        g = exp(-(x**2/float(size)+y**2/float(sizey)))
        return g / g.sum()

您指出的几何图形是50x50像素。如果几何图形的大小和方向是固定的 ，则存在经典的模板匹配问题 ，适合于相关方法 。您可以将匹配的模板应用于原始图像或边界检测输出。

否则，如果大小（比例）和/或方向是任意的，则可以应用傅立叶描述符 。这些描述符是旋转和比例不变。

所有这些方法都可以使用OpenCV，NumPy或SciPy进行编码。