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)]