資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學使用OpenCV在Python中進行模板匹配
模板匹配是一種技術，可以透過它從實際影像中匹配補丁或模板。這基本上是一種模式匹配機制。
在Python中，有OpenCV模組。使用OpenCV，我們可以輕鬆找到匹配項。因此，在這個問題中，使用了OpenCV模板匹配技術。
要使用OpenCV功能，我們需要使用pip下載它們。
sudo pip3 install opencv-python
對於模板匹配任務，存在一個精度因子，此因子稱為閾值。例如，我們可以說可以使用這種模板匹配方案輕鬆建立面部識別方案。我們可以提供一些眼睛或面部其他部位的影像，然後使用這些影像作為模板，它可以輕鬆找到匹配項，但眼睛存在不同的變化。因此，如果我們將精度級別設定為50%，它將比精度級別100%檢測得更好。通常，在不同情況下，精度級別為80%。
模板匹配步驟
獲取實際影像並將其轉換為灰度影像。
將模板作為灰度影像
模板在實際影像上滑動並找到精度級別匹配的位置。
當結果大於精度級別時，將該位置標記為已檢測到。
對於第一種情況，輸入影像和模板為：
主影像
模板
示例程式碼
import cv2
import numpy as np
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
#open the template as gray scale image
template = cv2.imread('template1.png', 0)
width, height = template.shape[::-1] #get the width and height
#match the template using cv2.matchTemplate
match = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
position = np.where(match >= threshold) #get the location of template in the image
for point in zip(*position[::-1]): #draw the rectangle around the matched template
cv2.rectangle(main_image, point, (point[0] + width, point[1] + height), (0, 204, 153), 0)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)
輸出
上述程式碼不支援多尺度。因此，如果模板的大小不同，它將無法檢測到。因此，在下一部分中，我們將看到如何使用多尺度功能來檢測模板。
在這種方法中，實際影像被轉換為不同的尺寸，每次它都匹配模式，並找到最大的相關係數來定位匹配項。
這裡的實際影像相同，模板在這裡：
示例程式碼
import imutils
import cv2
import numpy as np
#Open template and get canny
template = cv2.imread('template3.jpg')
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
template = cv2.Canny(template, 10, 25)
(height, width) = template.shape[:2]
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
temp_found = None
for scale in np.linspace(0.2, 1.0, 20)[::-1]:
#resize the image and store the ratio
resized_img = imutils.resize(gray_image, width = int(gray_image.shape[1] * scale))
ratio = gray_image.shape[1] / float(resized_img.shape[1])
if resized_img.shape[0] < height or resized_img.shape[1] < width:
break
#Convert to edged image for checking
e = cv2.Canny(resized_img, 10, 25)
match = cv2.matchTemplate(e, template, cv2.TM_CCOEFF)
(_, val_max, _, loc_max) = cv2.minMaxLoc(match)
if temp_found is None or val_max>temp_found[0]:
temp_found = (val_max, loc_max, ratio)
#Get information from temp_found to compute x,y coordinate
(_, loc_max, r) = temp_found
(x_start, y_start) = (int(loc_max[0]), int(loc_max[1]))
(x_end, y_end) = (int((loc_max[0] + width)), int((loc_max[1] + height)))
#Draw rectangle around the template
cv2.rectangle(main_image, (x_start, y_start), (x_end, y_end), (153, 22, 0), 5)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)
輸出
更新於：2019年7月30日
818 次瀏覽
廣告