位置: IT常识 - 正文

OPENCV多种模板匹配使用对比(opencv模板匹配多目标旋转)

编辑:rootadmin
OPENCV多种模板匹配使用对比

推荐整理分享OPENCV多种模板匹配使用对比(opencv模板匹配多目标旋转),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:opencv模板匹配多目标旋转,opencv 模板匹配得到坐标和角度,opencvsharp模板匹配,opencv多模板匹配,opencv模板匹配算法改进,opencv模板匹配算法改进,opencv模板匹配多目标旋转,opencv模板匹配算法改进,内容如对您有帮助,希望把文章链接给更多的朋友!

前文简单提到模板匹配中的一种:NCC多角度模板匹配,博主结合实际的检测项目(已落地)发现其准确率和稳定性有待提升,特别是一些复杂背景的图形,又或是模板选取不当都会造成不理想的效果;同时也借鉴过基于梯度变化的匹配策略,但要说落实到实际项目上去总是差强人意(可能也是鄙人技术不够,哈哈);所以博主今天分享另外两种比较适用的匹配方式!

   1).  当图像中存在完整且容易提取的外形轮廓时,shapematch形状匹配不失为一种简单快捷的方法,不需要额外去按照固定角度旋转图像来搜索图像,亦不需要担心模板图像旋转后的留白区域影响匹配得分,按照固定的模式来操作即可:

使用Opencv已有方法MatchShapes进行匹配即可,不过匹配后的重心和角度 需要做进一步处理,重心计算公式:

//获取重心点Moments M = Cv2.Moments(bestcontour);double cX = (M.M10 / M.M00);double cY = (M.M01 / M.M00);

   角度计算公式:

//-90~90度//由于先验目标最小包围矩形是长方形 //因此最小包围矩形的中心和重心的向量夹角为旋转RotatedRect rect_template = Cv2.MinAreaRect(imgTemplatecontours);RotatedRect rect_search = Cv2.MinAreaRect(bestcontour);//两个旋转矩阵是否同向float sign = (rect_template.Size.Width - rect_template.Size.Height) * (rect_search.Size.Width - rect_search.Size.Height);float angle=0;if (sign > 0)// 可以直接相减 angle = rect_search.Angle - rect_template.Angle;elseangle = (90 + rect_search.Angle) - rect_template.Angle;if (angle > 90)angle -= 180;

  测试效果如下:

0度:

-30度:

50度:

如同为shapematch形状匹配方式,测试时间约40毫秒左右,当然这个也会与图像大小与轮廓大小相关,不管也可以通过构建金字塔模型来加快搜索速度。

       2).  下面来针对NCC归一化模板匹配做一下简单说明,NCC有几种不同的匹配模式,分别为:

关键的匹配方法如下:

for (int i = 0; i <= (int)range / step; i++) { newtemplate = ImageRotate(model, start + step * i, ref rotatedRect, ref mask); if (newtemplate.Width > src.Width || newtemplate.Height > src.Height) continue; Cv2.MatchTemplate(src, newtemplate, result, matchMode, mask); Cv2.MinMaxLoc(result, out double minval, out double maxval, out CVPoint minloc, out CVPoint maxloc, new Mat()); if (double.IsInfinity(maxval)) { Cv2.MatchTemplate(src, newtemplate, result, TemplateMatchModes.CCorrNormed, mask); Cv2.MinMaxLoc(result, out minval, out maxval, out minloc, out maxloc, new Mat()); } if (maxval > temp) { location = maxloc; temp = maxval; angle = start + step * i; modelrrect = rotatedRect; } }OPENCV多种模板匹配使用对比(opencv模板匹配多目标旋转)

 为了提高匹配速度,可使用金字塔下采样-》上采样来完成:

//对模板图像和待检测图像分别进行图像金字塔下采样 for (int i = 0; i < numLevels; i++) { Cv2.PyrDown(src, src, new Size(src.Cols / 2, src.Rows / 2)); Cv2.PyrDown(model, model, new Size(model.Cols / 2, model.Rows / 2)); } Rect cropRegion = new CVRect(0, 0, 0, 0); for (int j = numLevels - 1; j >= 0; j--) { //为了提升速度,直接上采样到最底层 for (int i = 0; i < numLevels; i++) { Cv2.PyrUp(src, src, new Size(src.Cols * 2, src.Rows * 2));//下一层,放大2倍 Cv2.PyrUp(model, model, new Size(model.Cols * 2, model.Rows * 2));//下一层,放大2倍 } location.X *= (int)Math.Pow(2, numLevels); location.Y *= (int)Math.Pow(2, numLevels); modelrrect = new RotatedRect(new Point2f((float)(modelrrect.Center.X * Math.Pow(2, numLevels)),//下一层,放大2倍 (float)(modelrrect.Center.Y * Math.Pow(2, numLevels))), new Size2f(modelrrect.Size.Width * Math.Pow(2, numLevels), modelrrect.Size.Height * Math.Pow(2, numLevels)), 0); CVPoint cenP = new CVPoint(location.X + modelrrect.Center.X, location.Y + modelrrect.Center.Y);//投影到下一层的匹配点位中心 int startX = cenP.X - model.Width; int startY = cenP.Y - model.Height; int endX = cenP.X + model.Width; int endY = cenP.Y + model.Height; cropRegion = new CVRect(startX, startY, endX - startX, endY - startY); cropRegion = cropRegion.Intersect(new CVRect(0, 0, src.Width, src.Height)); Mat newSrc = MatExtension.Crop_Mask_Mat(src, cropRegion); //每下一层金字塔,角度间隔减少2倍 step = 2; //角度开始和范围 range = 20; start = angle - 10; bool testFlag = false; for (int k = 0; k <= (int)range / step; k++) { newtemplate = ImageRotate(model, start + step * k, ref rotatedRect, ref mask); if (newtemplate.Width > newSrc.Width || newtemplate.Height > newSrc.Height) continue; Cv2.MatchTemplate(newSrc, newtemplate, result, TemplateMatchModes.CCoeffNormed, mask); Cv2.MinMaxLoc(result, out double minval, out double maxval, out CVPoint minloc, out CVPoint maxloc, new Mat()); if (double.IsInfinity(maxval)) { Cv2.MatchTemplate(src, newtemplate, result, TemplateMatchModes.CCorrNormed, mask); Cv2.MinMaxLoc(result, out minval, out maxval, out minloc, out maxloc, new Mat()); } if (maxval > temp) { //局部坐标 location.X = maxloc.X; location.Y = maxloc.Y; temp = maxval; angle = start + step * k; //局部坐标 modelrrect = rotatedRect; testFlag = true; } } if (testFlag) { //局部坐标--》整体坐标 location.X += cropRegion.X; location.Y += cropRegion.Y; } }

 为了提高匹配得分,当图片与模板都进行一定角度旋转后,会产生无效区域,影响匹配效果,此时我们需要创建掩膜图像.

/// <summary> /// 图像旋转,并获旋转后的图像边界旋转矩形 /// </summary> /// <param name="image"></param> /// <param name="angle"></param> /// <param name="imgBounding"></param> /// <returns></returns> public static Mat ImageRotate(Mat image, double angle,ref RotatedRect imgBounding,ref Mat maskMat) { Mat newImg = new Mat(); Point2f pt = new Point2f((float)image.Cols / 2, (float)image.Rows / 2); Mat M = Cv2.GetRotationMatrix2D(pt, -angle, 1.0); var mIndex = M.GetGenericIndexer<double>(); double cos = Math.Abs(mIndex[0, 0]); double sin = Math.Abs(mIndex[0, 1]); int nW = (int)((image.Height * sin) + (image.Width * cos)); int nH = (int)((image.Height * cos) + (image.Width * sin)); mIndex[0, 2] += (nW / 2) - pt.X; mIndex[1, 2] += (nH / 2) - pt.Y; Cv2.WarpAffine(image, newImg, M, new CVSize(nW, nH)); //获取图像边界旋转矩形 Rect rect = new CVRect(0, 0, image.Width, image.Height); Point2f[] srcPoint2Fs = new Point2f[4] { new Point2f(rect.Left,rect.Top), new Point2f (rect.Right,rect.Top), new Point2f (rect.Right,rect.Bottom), new Point2f (rect.Left,rect.Bottom) }; Point2f[] boundaryPoints = new Point2f[4]; var A = M.Get<double>(0, 0); var B = M.Get<double>(0, 1); var C = M.Get<double>(0, 2); //Tx var D = M.Get<double>(1, 0); var E = M.Get<double>(1, 1); var F = M.Get<double>(1, 2); //Ty for(int i=0;i<4;i++) { boundaryPoints[i].X = (float)((A * srcPoint2Fs[i].X) + (B * srcPoint2Fs[i].Y) + C); boundaryPoints[i].Y = (float)((D * srcPoint2Fs[i].X) + (E * srcPoint2Fs[i].Y) + F); if (boundaryPoints[i].X < 0) boundaryPoints[i].X = 0; else if (boundaryPoints[i].X > nW) boundaryPoints[i].X = nW; if (boundaryPoints[i].Y < 0) boundaryPoints[i].Y = 0; else if (boundaryPoints[i].Y > nH) boundaryPoints[i].Y = nH; } Point2f cenP = new Point2f((boundaryPoints[0].X + boundaryPoints[2].X) / 2, (boundaryPoints[0].Y + boundaryPoints[2].Y) / 2); double ang = angle; double width1=Math.Sqrt(Math.Pow(boundaryPoints[0].X- boundaryPoints[1].X ,2)+ Math.Pow(boundaryPoints[0].Y - boundaryPoints[1].Y,2)); double width2 = Math.Sqrt(Math.Pow(boundaryPoints[0].X - boundaryPoints[3].X, 2) + Math.Pow(boundaryPoints[0].Y - boundaryPoints[3].Y, 2)); //double width = width1 > width2 ? width1 : width2; //double height = width1 > width2 ? width2 : width1; imgBounding = new RotatedRect(cenP, new Size2f(width1, width2), (float)ang); Mat mask = new Mat(newImg.Size(), MatType.CV_8UC3, Scalar.Black); mask.DrawRotatedRect(imgBounding, Scalar.White, 1); Cv2.FloodFill(mask, new CVPoint(imgBounding.Center.X, imgBounding.Center.Y), Scalar.White); // mask.ConvertTo(mask, MatType.CV_8UC1); //mask.CopyTo(maskMat); //掩膜复制给maskMat Cv2.CvtColor(mask, maskMat, ColorConversionCodes.BGR2GRAY); Mat _maskRoI = new Mat(); Cv2.CvtColor(mask, _maskRoI, ColorConversionCodes.BGR2GRAY); Mat buf = new Mat(); //# 黑白反转 Cv2.BitwiseNot(_maskRoI, buf); Mat dst = new Mat(); Cv2.BitwiseAnd(newImg, newImg, dst, _maskRoI); //Mat dst2 = new Mat(); //Cv2.BitwiseOr(buf, dst, dst2); return dst; }

这个时候准备工作就完成的差不多,当然关于匹配精度(亚像素处理)这个地方就不做说明了,参考前文即可。测试的效果图如下:

0度:

25度:

-35度:

      3).  在NCC模式的基础上,同是结合shapematch,衍生出另外一种匹配方式:canny模板匹配,大家可以理解为先创捷canny图模板,然后再使用MatchTemplate方法,同时加入金字塔搜索策略。

创建Canny模板:

/// <summary> /// 创建Canny模板图像 /// </summary> /// <param name="src"></param> /// <param name="RegionaRect"></param> /// <param name="thresh"></param> /// <param name="temCannyMat"></param> /// <returns></returns> public Mat CreateTemplateCanny(Mat src,Rect RegionaRect,double thresh,ref Mat temCannyMat, ref double modelX, ref double modelY) { Mat ModelMat = MatExtension.Crop_Mask_Mat(src, RegionaRect); Mat Morphological = Morphological_Proces.MorphologyEx(ModelMat, MorphShapes.Rect, new OpenCvSharp.Size(3, 3), MorphTypes.Open); Mat binMat = new Mat(); Cv2.Threshold(Morphological, binMat, thresh, 255, ThresholdTypes.Binary); temCannyMat = EdgeTool.Canny(binMat, 50, 240); Mat dst = ModelMat.CvtColor(ColorConversionCodes.GRAY2BGR); CVPoint cenP = new CVPoint(RegionaRect.Width / 2, RegionaRect.Height / 2); modelX = RegionaRect.X + RegionaRect.Width / 2; modelY = RegionaRect.Y + RegionaRect.Height / 2; Console.WriteLine(string.Format("模板中心点位:x:{0},y:{1}", RegionaRect.X + RegionaRect.Width / 2, RegionaRect.Y + RegionaRect.Height / 2)); dst.drawCross(cenP, Scalar.Red, 20, 2); return dst; }

 模板图:

测试效果图如下:

      4)通过以上三种对比可发现,它们各有优缺点,shapematch形状匹配强调物体外形的完整性,操作简单,不需要额外构建掩膜和角步循环;NCC不需要选取这个物体来制作模板,只需要前景与背景有一定的区分即可,但是整体匹配效果一般,一些复杂的环境下可能会得不到想要的效果;Canny模板匹配结合了前面2中的部分优点,既可选取物体的局部特征,同时又有NCC匹配方法和策略;大家可以结合实际的项目,选取合适的方法达到最优的效果即可;当然网络上还有一些学术上更优更稳定的方法,如:基于梯度变化的模板匹配,大家也可以尝试一下,反正博主能力有限测试的时候没有达到想要的效果,特别是一些复杂的图像和尺寸较大的图像,测试的结果差强人意,同时实际的项目对于效率的要求也比较高,我们也不可能舍近求远,选择相对合适的即可。同时期待有共同兴趣的大佬们一起来探索发现和指正,大家共同进步。

PS:知识无国界,分享让大家都快乐!

本文链接地址:https://www.jiuchutong.com/zhishi/298530.html 转载请保留说明!

上一篇:vue面试题八股文简答大全 让你更加轻松的回答面试官的vue面试题(vue面试题视频)

下一篇:JavaScript获取数组对象里面的键(key)和值(value)(javascript获取数组索引)

  • 华为备忘录如何导入vivo手机(华为备忘录如何导入苹果新手机)

    华为备忘录如何导入vivo手机(华为备忘录如何导入苹果新手机)

  • 服务器繁忙请稍后再试什么意思(服务器繁忙请稍后再试卸载从新安装可以不)

    服务器繁忙请稍后再试什么意思(服务器繁忙请稍后再试卸载从新安装可以不)

  • 手机号入网证明在哪里(目前在用手机号入网证明)

    手机号入网证明在哪里(目前在用手机号入网证明)

  • 网页文件实际上是一种什么(网页文件实际上是什么文件)

    网页文件实际上是一种什么(网页文件实际上是什么文件)

  • av线和音频线的区别(axu音频线有什么用)

    av线和音频线的区别(axu音频线有什么用)

  • 路由器正常电脑没有网络了(路由器正常电脑连不上网怎么办)

    路由器正常电脑没有网络了(路由器正常电脑连不上网怎么办)

  • wps艺术字怎么拉伸放大(wps艺术字拉伸字体)

    wps艺术字怎么拉伸放大(wps艺术字拉伸字体)

  • 苹果录音发生异常无法分享(苹果录音发生异常无法分享微信怎么办)

    苹果录音发生异常无法分享(苹果录音发生异常无法分享微信怎么办)

  • 用于测试两台计算机联通状况的命令是(要想测试两台计算机之间的报文传输路径)

    用于测试两台计算机联通状况的命令是(要想测试两台计算机之间的报文传输路径)

  • 苹果a1567是ipad几啊(a1567是ipad什么型号)

    苹果a1567是ipad几啊(a1567是ipad什么型号)

  • iqoopro怎么恢复已删除联系人(iqoo怎么样恢复出厂设置)

    iqoopro怎么恢复已删除联系人(iqoo怎么样恢复出厂设置)

  • tasal00是华为什么型号(tasal00什么机子)

    tasal00是华为什么型号(tasal00什么机子)

  • 抖音看别人主页会知道吗(抖音看别人主页怎么不留下记录)

    抖音看别人主页会知道吗(抖音看别人主页怎么不留下记录)

  • 支付宝有夜间模式吗(支付宝有夜间模式)

    支付宝有夜间模式吗(支付宝有夜间模式)

  • 小米8有没有红外线功能(小米8有没有红外线)

    小米8有没有红外线功能(小米8有没有红外线)

  • 手机爱奇艺怎么小窗口播放(手机爱奇艺怎么扫码登录会员)

    手机爱奇艺怎么小窗口播放(手机爱奇艺怎么扫码登录会员)

  • qq25级是什么标志(qq52级是什么标识)

    qq25级是什么标志(qq52级是什么标识)

  • 安卓勿扰模式怎么取消(安卓勿扰模式怎么开)

    安卓勿扰模式怎么取消(安卓勿扰模式怎么开)

  • 升级macOS Catalina没有iTunes如何给手机备份升级刷固件?(升级打装备的手游)

    升级macOS Catalina没有iTunes如何给手机备份升级刷固件?(升级打装备的手游)

  • 2023年重庆邮电大学计算机科学与技术(802)初试经验贴(2023年重庆邮电大学研究生分数线)

    2023年重庆邮电大学计算机科学与技术(802)初试经验贴(2023年重庆邮电大学研究生分数线)

  • 【vue2】组件进阶与插槽详解(vue 组件)

    【vue2】组件进阶与插槽详解(vue 组件)

  • 狂神说mysql笔记(狂神说css笔记)

    狂神说mysql笔记(狂神说css笔记)

  • 利用织梦(dedecms)如何仿站(如何用织梦在本地搭建网站)

    利用织梦(dedecms)如何仿站(如何用织梦在本地搭建网站)

  • 厂房出租开发票怎么交税
  • 合伙企业如何纳入合并报表
  • 出口货物退(免)税管理办法
  • 已申报个税减免什么意思
  • 抄报未反写影响开票吗
  • 销货方跨月开红字发票流程
  • 一笔多少钱
  • 以前年度损益调整会计分录
  • 个人独资企业服务中心是干嘛的
  • 发包工程会计账务处理
  • 应收票据背书支付
  • 建设单位收到施工承包单位的单位工程验收申请后应组织
  • 工程完成投资入什么科目核算与怎么写其会计分录?
  • 年所得税12万申报
  • 印花税购销比例
  • 实收资本印花税申报期限
  • 个人所得税申报错误如何更正申报
  • 滞纳金属于罚没支出还是其他
  • 退税上传,申报怎么操作
  • 直系亲属之间转账要交税吗
  • 对外投资亏损可以记股权投资减少吗
  • 增值税普通发票有什么用
  • 基建工程施工单位罚款如何做账?
  • linux怎么安装程序
  • 怎么通过mac地址访问设备
  • 无形资产商标转让费计入什么科目
  • 如何实现php图片打印
  • 绝地求生要什么电脑配置
  • php统计当前在线人数
  • php -i
  • 计提下个月工资怎么做
  • 表单的基本语法格式
  • uniapp动态设置标题
  • 解决脱发的8个方法
  • php输出mysql查询结果
  • php使用pdo连接数据库
  • 21世纪20年代的中国
  • yii2高级应用之自定义组件实现全局使用图片上传功能的方法
  • 织梦使用教程
  • sqlserver2005安装失败
  • 企业接管的方式有
  • 非金融企业之间的借款合同要交印花税吗
  • 生活垃圾处理费合法吗
  • 印花税不足一元免征吗
  • 出售抵债资产账务处理
  • 已认证的增值税专用发票可以作废吗
  • 资源税的账务处理
  • 直接计入当期利润吗
  • 年终奖个税计税方式
  • 报销餐费属于什么费用
  • 项目成本的估算与预算有什么区别和联系?考试资料网
  • 国际快递能发吗
  • 小企业的建账流程
  • 企业短期借款可以是个人吗
  • mysql57安装过程怎样选安装目录
  • 电脑开机自动弹出
  • win7 重装系统
  • 苹果完美越狱最新消息
  • iconindex什么意思
  • centos7网络配置文件在哪
  • fdreader.exe是什么程序
  • win8玩游戏
  • linux系统ll
  • dos批处理命令大全
  • Theme.AppCompat.Light的问题
  • 下载随手调
  • linux怎么安装rz
  • unity3d官方教程
  • 辅组什么词?
  • jquery 设置css
  • android性能优化面试题
  • jquery自定义表单
  • android:theme="@style/apptheme"
  • javascript面向对象精要
  • 同源策略详解
  • js函数详解
  • 实际金额与报关金额不符
  • 车辆购置税需要每年都交吗
  • 小规模税控盘服务费怎么填增值税申报表
  • 船舶吨税是中央税还是地方税
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设