• opencv 模板匹配,在图像中寻找物体


    使用模板匹配在图像中寻找物体

    模板匹配

    模板匹配就是用来在大图中找小图,也就是说在一副图像中寻找另外一张模板图像的位置:
    图解模板匹配
    opencv中用 cv.matchTemplate() 实现模板匹配。
    模板匹配的原理其实很简单,就是不断地在原图中移动模板图像去比较,有6种不同的比较方法,详情可参考:TemplateMatchModes
    1. 平方差匹配CV_TM_SQDIFF:用两者的平方差来匹配,最好的匹配值为0
    2. 归一化平方差匹配CV_TM_SQDIFF_NORMED
    3. 相关匹配CV_TM_CCORR:用两者的乘积匹配,数值越大表明匹配程度越好
    4. 归一化相关匹配CV_TM_CCORR_NORMED
    5. 相关系数匹配CV_TM_CCOEFF:用两者的相关系数匹配,1表示完美的匹配,-1表示最差的匹配
    6. 归一化相关系数匹配CV_TM_CCOEFF_NORMED

    归一化的意思就是将值统一到0~1,这些方法的对比代码可到源码处查看。模板匹配也是应用卷积来实现的:假设原图大小为W×H,模板图大小为w×h,那么生成图大小是(W-w+1)×(H-h+1),生成图中的每个像素值表示原图与模板的匹配程度。

    实验:源图像中匹配模板图像

    源图像:
    源图像
    模板图像:
    模板图像

    import cv2 as cv
    import numpy as np
    from matplotlib import pyplot as plt
    
    # 1.模板匹配
    img = cv.imread('lena.jpg', 0)
    template = cv.imread('face.jpg', 0)
    h, w = template.shape[:2]  # rows->h, cols->w
    
    # 6种匹配方法
    methods = ['cv.TM_CCOEFF', 'cv.TM_CCOEFF_NORMED', 'cv.TM_CCORR',
               'cv.TM_CCORR_NORMED', 'cv.TM_SQDIFF', 'cv.TM_SQDIFF_NORMED']
    
    for meth in methods:
        img2 = img.copy()
    
        # 匹配方法的真值
        method = eval(meth)
        res = cv.matchTemplate(img, template, method)
        min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res)
    
        # 如果是平方差匹配TM_SQDIFF或归一化平方差匹配TM_SQDIFF_NORMED,取最小值
        if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
            top_left = min_loc
        else:
            top_left = max_loc
        bottom_right = (top_left[0] + w, top_left[1] + h)
    
        # 画矩形
        cv.rectangle(img2, top_left, bottom_right, 255, 2)
    
        plt.subplot(121), plt.imshow(res, cmap='gray')
        plt.xticks([]), plt.yticks([])  # 隐藏坐标轴
        plt.subplot(122), plt.imshow(img2, cmap='gray')
        plt.xticks([]), plt.yticks([])
        plt.suptitle(meth)
        plt.show()
    

    实验结果

    匹配方法:cv.TM_CCOEFF匹配结果

    匹配多个物体

    前面我们是找最大匹配的点,所以只能匹配一次。我们可以设定一个匹配阈值来匹配多次:

    实验:匹配图像中的硬币

    原图像
    模板图像

    import cv2 as cv
    import numpy as np
    from matplotlib import pyplot as plt
    
    # 2.匹配多个物体
    img_rgb = cv.imread('mario.jpg')
    img_gray = cv.cvtColor(img_rgb, cv.COLOR_BGR2GRAY)
    template = cv.imread('mario_coin.jpg', 0)
    h, w = template.shape[:2]
    
    res = cv.matchTemplate(img_gray, template, cv.TM_CCOEFF_NORMED)
    threshold = 0.8
    # 取匹配程度大于%80的坐标
    loc = np.where(res >= threshold)
    for pt in zip(*loc[::-1]):  # *号表示可选参数
        bottom_right = (pt[0] + w, pt[1] + h)
        cv.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
    
    cv.imshow('img_rgb', img_rgb)
    cv.waitKey(0)
    cv.destroyAllWindows()
    

    代码难点讲解

    第3步有几个Python/Numpy的重要知识:

    x = np.arange(9.).reshape(3, 3)
    print(np.where(x > 5))
    # 结果:(array([2, 2, 2]), array([0, 1, 2]))
    

    图解np.where
    zip()函数,功能强大到难以解释,举个简单例子就知道了:

    x = [1, 2, 3]
    y = [4, 5, 6]
    print(list(zip(x, y)))  # [(1, 4), (2, 5), (3, 6)]
    

    实验结果

    实验匹配到了多个硬币

  • 相关阅读:
    团队项目—第二次冲刺计划
    第一阶段冲刺总结
    团队绩效评估
    回复其他小组对我们的评价
    软件项目评价
    maven 之分模块构建web项目 及 聚合与继承特性
    Log4j 使用总结
    freemarker 总结
    freemarker入门 之 脱离容器实现hello word
    读取txt文件 统计“java”出现的次数(大小写不敏感)
  • 原文地址:https://www.cnblogs.com/wojianxin/p/12616279.html
一二三 - 开发者的网上家园