python模板匹配比例问题怎么解决

Posted 2023-04-12

参考技术A 如果只是单个目标的匹配，那只需要取相似度最大值所在的位置就可以得出匹配位置；\n如果要匹配多个目标，那就设定一个阈值，就是说，只要相似度大于比如0.8，就认为是要匹配的目标。

模板匹配？对象识别和特征匹配或解决方案是啥？

【中文标题】模板匹配？对象识别和特征匹配或解决方案是啥？

【英文标题】：template matching? object recoginition and feature matching or what is the solution?模板匹配？对象识别和特征匹配或解决方案是什么？

【发布时间】：2014-08-18 18:48:38

【问题描述】：

问题：我有一张物体的照片（制造部件，如下面所附照片），使用我的 Andoird 手机相机我想验证相机预览中的物体是否与模板匹配或不是。 （也就是说，它是否与模板相同的部分）

我可以让用户移动摄像头，以便在摄像头预览中获得与模板相似的模板视图，但是会有不同的噪声级别和/或照明，可能还有不同的背景。

问题：你建议我用什么来解决这个问题？我在考虑 Canny 边缘提取，然后将相机帧与模板中的 Canny 边缘提取相匹配？这是一个好主意吗？如果是，请告诉我如何实施？任何资源？样品？ （我可以进行 Canny 边缘提取，但找不到匹配的方法）

如果不是一个好主意，那么您有什么建议？

我尝试过的事情：

特征提取和匹配：我使用了一些来自 OpenCV 的不同提取器和匹配器实现，我的应用程序正在工作并绘制检测到的特征点和匹配等。但是作为图像处理的初学者，我无法理解结果，而且如何知道什么是匹配。有什么想法、帮助、好的资源吗？ 模板匹配：我使用了 OpenCV 模板匹配，但是性能很糟糕，我认为这不是解决方案。

【问题讨论】：

您能提供一些您的问题的示例图像吗？输入图像和所需的输出。因此，人们可以尝试一些方法来帮助您。

@GabrielArchanjo 此问题附有一张示例图片。输入图像也将非常相似（正如我所说的理想情况下，我将处理相机输入帧）

要分析的部分到底是什么？你那里有很多灰色，所以很混乱。关于 Canny Edge 的资源，谷歌提供帮助

至少在您提供的图像中，有圆形和正方形等基本形状，因此您可以利用它们的特征，例如形状、大小和它们的相对位置。我认为 Canny 是一个不错的选择，如果捕获的图像中没有巨大的透视变形，hough-circles 也会有所帮助。

还没有尝试过，也没有使用它，所以你必须自己做一些研究（形状匹配）。我想到的简单的事情是：用精明的轮廓提取； Moments 用于形状匹配：docs.opencv.org/modules/imgproc/doc/… ; ICP（迭代最近点）用于精确的精细放置；也许chamfer matching 如果您可以使用其他方法标准化比例和方向。

【参考方案1】：

我在您的测试图像上尝试用手机识别物体，结果是肯定的。

使用的检测器：ORB(Binary Detector)。

使用的描述符：ORB。

匹配技术：蛮力匹配。

图像尺寸 640x480。

我能够检测到大约 500 个特征点（关键点的数量已经足够了，但是当您有更多具有相似外观对象的图像时，它可能会产生错误匹配。您需要优化匹配以避免错误匹配）。

对象识别在两个不同尺度上的结果。

关于您在理解物体识别方面遇到困难。你到底有什么不明白的（具体话题）。 推荐你看这两本书

Learning OpenCV 作者：Adrian Kaehler、Gary Bradski OpenCV 2 计算机视觉应用程序编程食谱，作者：Robert Laganière（第 8 章和第 9 章）。

干杯！

【讨论】：

非常感谢您的回答，可以和我分享代码sn-p吗？我特别想知道您是如何提取好的匹配项以及判断是否找到（或匹配）对象的标准是什么（您如何在对象周围绘制绿色方块？）非常感谢

另一个问题：如果我将边缘提取的结果（即Canny边缘提取结果）发送给特征提取方法，您认为我会得到更好（更准确）的特征提取吗？

如果我分享代码 sn-p 你会付给我多少钱？ :-)。只是在开玩笑！。不幸的是我不能分享代码，因为我的研究所拥有我的算法的版权。如果您阅读我上面提到的书中的两章，您可以很容易地理解对象识别和匹配结果分析的过程。你可以使用一种叫做 Homography 的技术来获得那个绿色方块。请按照this 教程了解如何实现对象识别。

没问题，我明白 :) 非常感谢您的帮助。你觉得我的第二个问题怎么样？它会产生更精确的结果吗？因为我只对零件的轮廓和螺母、孔等主要特征感兴趣。

将 canny 的结果提供给特征提取对您没有任何帮助，因为特征提取基于更好的称为角点检测的技术，它排除了图像中的许多模糊点，只保留高度不同和唯一的点用于匹配。

【参考方案2】：

据我了解，精明的边缘检测可能不是最佳解决方案。据我说，在对测试图像进​​行一些基本预处理后，找到它的筛选特征并将其与模板的筛选特征进行比较。 sift 是真正多才多艺的也应该在这里工作。

您也可以尝试 opensurf 功能，它们比 sift 更快，但我没有机会与他们进行大量合作来评论其准确性