OpenCV竟然可以这样学!成神之路终将不远(二十七)
Posted 满目星辰wwq
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了OpenCV竟然可以这样学!成神之路终将不远(二十七)相关的知识,希望对你有一定的参考价值。
目录
27 模板匹配
27.1 目标
在本章中,您将学习:使用模板匹配在图像中查找对象。你将看到以下功能:
cv.matchTemplate(),cv.minMaxLoc()
27.2 理论
模板匹配是一种用于在较大图像中搜索和查找模板图像位置的方法。为此,OpenCV带有一个函数cv.matchTemplate()。 它只是将模板图像滑动到输入图像上(就像在2D卷积中一样),然后在模板图像下比较模板和输入图像的拼图。 OpenCV中实现了几种比较方法。(您可以检查文档以了解更多详细信息)。它返回一个灰度图像,其中每个像素表示该像素的邻域与模板匹配的程度。
如果输入图像的大小为(W*H) ,而模板图像的大小为(w*h) ,则输出图像的大小将为(W-w+1, H-h+1) 。得到结果后,可以使用cv.minMaxLoc()函数查找最大/最小值在哪。将其作为矩形的左上角,并以(w,h) 作为矩形的宽度和高度。该矩形是您模板的区域。
注意:如果使用cv.TM_SQDIFF作为比较方法,则最小值提供最佳匹配。
27.3 OpenCV中的模板匹配
作为示例,我们将在吃鸡的图片中搜索飞机的位置。所以我创建了一个模板,如下所示:
我们将尝试所有比较方法,以便我们可以看到它们的结果如何,具体代码如下:
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
# 读取地图
img = cv.imread('map.jpg', 0)
map_copy = img.copy()
# 读取飞机模板
plane = cv.imread('plane.jpg', 0)
w, h = plane.shape[::-1] # 获取飞机模板的宽高
# 列表中所有的6种比较方法
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:
img = map_copy.copy()
method = eval(meth) # 返回methods每个方法的值
# print('method:{}, meth:{}'.format(method, meth))
# 应用模板匹配
res = cv.matchTemplate(img, plane, method) # 将模板图像滑动到输入图像上
# print(cv.minMaxLoc(res)) # minMaxLoc返回最小值、最大值、最小值位置、最大值位置
min_val, max_val, min_loc, max_loc = cv.minMaxLoc(res) # 获取它们的值
# 如果方法是TM_SQDIFF或者TM_SQDIFF_NORMED,左下角坐标则取最小值位置
if method in [cv.TM_SQDIFF, cv.TM_SQDIFF_NORMED]:
top_left = min_loc
else: # 否则取最大值位置
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h) # 计算右下角坐标
cv.rectangle(img, top_left, bottom_right, 255, 2) # 画出模板的矩形框
plt.subplot(121), plt.imshow(res, cmap='gray')
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
plt.subplot(122), plt.imshow(img, cmap='gray')
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth) # 设置主要图形标题
plt.show()
运行结果如下:
您会看到,使用cv.TM_CCORR的结果并不理想。
27.4 多对象的模板匹配
在上一节中,我们在图像中搜索了地图中的飞机,该飞机在图像中仅出现一次。假设您正在搜索具有多次出现的对象,则cv.minMaxLoc()不会为您提供所有位置。在这种情况下,我们将使用阈值化。因此,在此示例中,我们将使用吃鸡地图的屏幕截图,并在其中找到汽车。代码如下:
import cv2 as cv
import numpy as np
# 读取吃鸡地图
img = cv.imread('car_map.jpg')
# 将图像转换为灰度图像
gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 读取汽车图像
car = cv.imread('car.jpg', 0)
# 获取汽车图像的宽高
w, h = car.shape[::-1]
res = cv.matchTemplate(gray, car, cv.TM_CCOEFF_NORMED)
threshold = 0.52
loc = np.where(res >= threshold)
for pt in zip(*loc[::-1]):
cv.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 1)
cv.imwrite('res.jpg', img)
dst = cv.imread('res.jpg')
cv.imshow('dst', dst)
cv.waitKey(0)
cv.destroyAllWindows()
运行结果如下:
效果可能不太理想,啊哈哈哈~~~
欢迎评论区留言,一起探讨OpenCV成神之路的奥秘。
顺便给我加个关注,点个赞,加个收藏,让我们一起登上神坛。
以上是关于OpenCV竟然可以这样学!成神之路终将不远(二十七)的主要内容,如果未能解决你的问题,请参考以下文章