OpenCV의 템플릿 매칭, 이미지의 객체를 찾을 수

이미지에서 개체를 찾기 위해 템플릿 매칭을 사용하여

템플릿 매칭

템플릿 매칭은 이미지의 또 다른 하나의 템플릿 이미지의 위치를 찾아 큰 그림, 즉 작은지도를 찾는 데 사용됩니다 :

OpenCV의 cv.matchTemplate ()와 템플릿 매칭을 달성하기 위해.
템플릿 매칭 원리는 매우 간단 지속적으로 원본을 비교하는 템플릿 이미지의 이동 , 여섯 개 가지 비교 방법이 있으며, 세부 사항은 참조 할 수 있습니다 : TemplateMatchModes
1 제곱 차이가 CV_TM_SQDIFF 일치 : 둘 사이의 차이의 제곱에 최선을 일치 매칭 값 0
2. 사각 차이 매칭 CV_TM_SQDIFF_NORMED 정규화
개의 매칭 제품 값 대전의 개선 정도는 것을 나타내는 큰 3. 상관 정합 CV_TM_CCORR
4 정규화 상관 매칭 CV_TM_CCORR_NORMED
5. 상관 계수 매치 CV_TM_CCOEFF을 : 상관 계수가 일치하여, 1은 완전한 매치 -1 최악의 일치를 나타내는
CV_TM_CCOEFF_NORMED 6. 정규화 상관 계수 매치를
화합 수단 정규화이 0 비교 1과 같이, 이들 방법의 부호 월 값 의 소스 코드를 볼 수 있습니다. 템플릿 매칭 컨벌루션 달성된다 : × H, × H w 템플릿도 크기 W 가정하자 원래 크기를 다음도 크기 × (+ 1 W-w)를 생성한다 (H-H + 1) 도 생성을 각 픽셀 값은 원래의 템플릿 매칭의 정도를 나타낸다.

실험 : 소스 이미지는 템플릿 이미지를 일치

원본 이미지 :

템플릿 이미지 :

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()

실험 결과

복수의 객체 매칭

우리는 점의 앞에 가장 큰 경기를 찾고, 한 번만 일치시킬 수 있습니다. 우리는 많은 시간을 일치 일치하는 임계 값을 설정할 수 있습니다 :

실험 : 일치하는 이미지 동전

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()

코드는 설명하기 어렵다

3 단계 파이썬 / NumPy와의 여러 중요한 지식이 있습니다 :

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

우편 () 함수 설명하기 어려운 강력한, 알고 간단한 예제를 제공합니다 :

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

실험 결과