位置: IT常识 - 正文

【OpenCV--模板匹配】(opencv模板匹配原理)

编辑:rootadmin
【OpenCV--模板匹配】

目录

一、模板匹配

1.定义:

2.实现:

二、霍夫线检测

1.原理:

2.实现:

 三、霍夫圆检测

1.描述:

2.用法:

一、模板匹配1.定义:

推荐整理分享【OpenCV--模板匹配】(opencv模板匹配原理),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模板匹配原理,opencv 模板匹配得到坐标和角度,opencv 模板匹配得到坐标和角度,opencv 模板匹配得到坐标和角度,opencvsharp模板匹配,opencv 模板,opencv模板匹配算法改进,opencv模板匹配原理,内容如对您有帮助,希望把文章链接给更多的朋友!

模板匹配就是在给定的图片中,查找和模板最相似的区域,算法的输入包括模板和图片,通过不断移动模板图片,计算其与图片对应区域匹配度,将匹配度最高区域选择为最终结果

2.实现:

result=cv.matchTemplate( img,template,method)

参数:

1>template :模板 2>method: 实现模板匹配的算法,主要有: 1.平方差匹配(CV_TM_SQDIFF):利用模板与图像之间的平方差进行匹配,最好的匹配是0,匹配越差,匹配的值越大。 2.相关匹配(CV_TM_CCORR):利用模板与图像间的乘法进行匹配,数值越大表示匹配程度较高,越小表示匹配效果差。 3.利用相关系数匹配(CV_TM_CCOEFF):利用模板与图像间的相关系数匹配,1表示完美的匹配,-1表示最差的匹配。

注意:完成匹配后,使用cv.minMaxLoc()方法查找最大值所在的位置即可,如果使用平方差作为比较方法,则最小值位置是最佳匹配位置。

import numpy as npimport matplotlib.pyplot as pltimport cv2 as cvimg=cv.imread('snow.jpg')#plt.imshow(img[:,:,::-1])#plt.show()template=cv.imread('snow1.jpg')h,w=template.shape[:2]result=cv.matchTemplate(img,template,cv.TM_CCORR)min_val,max_val,min_loc,max_loc=cv.minMaxLoc(result)top_left=max_locbottom_right=(top_left[0]+w,top_left[1]+h)cv.rectangle(img,top_left,bottom_right,(0,255,0),2)#设置颜色与宽度plt.imshow(img[:,:,::-1])plt.show()

 

二、霍夫线检测1.原理:

霍夫变换常用来提取图像中的直线和圆等几何图形,霍夫空间中的一条线对应笛卡尔坐标系中一个点:

【OpenCV--模板匹配】(opencv模板匹配原理)

笛卡尔坐标系中两个点,对应霍夫空间一条直线

在霍夫空间内,经过一个点的直线越多,说明其在笛卡尔空间内映射的直线是由越多的点所构成,在笛卡尔空间中,可能存在斜率为无穷的直线,此时就需要采用极坐标

2.实现:

cv.HoughLines(img,rho,theta,threshold)

参数:

img:检测的图像,要求是二值化的图像,所以在调用霍夫变换之前首先要迸行二值化,或者迸行Canny边缘检测 rho、theta: 两个角度的精确度 threshold:阈值,只有累加器中的值高于该阈值时才被认为是直线

import numpy as npimport matplotlib.pyplot as pltimport cv2 as cvimg=cv.imread("straight.jpg")edges=cv.Canny(img,50,200)#plt.imshow(edges,cmap=plt.cm.gray)#plt.show()lines=cv.HoughLines(edges,0.8,np.pi/180,100)for line in lines: rho,theta=line[0] a=np.cos(theta) b=np.sin(theta) x0=rho*a y0=rho*b x1=int(x0+1000*(-b)) y1=int(y0+1000*a) x2=int(x0-1000*(-b)) y2=int(y0-1000*a) cv.line(img,(x1,y1),(x2,y2),(0,0,255))plt.imshow(img[:,:,::-1])plt.show()

 三、霍夫圆检测1.描述:

OpenCV采用霍夫梯度法将霍夫圆检测范围两个阶段,第一阶段检测圆心,第二阶段利用圆心推导出圆圆心检测的原理:圆心是圆周法线的交汇处,设置-一个阈值,在某点的相交的直线的条数大于这个阈值就认为该交汇点为圆心。 圆半径确定原理:圆心到圆周上的距离(半径)是相同的,确定- 个阈值,只要相同距离的数量大 于该阈值,就认为该距离是该圆心的半径。

2.用法:

circles=cv.HoughCircles(image,method,dp,minDist,param1=100,param2=100,minRadius=0,maxRadius=0)

参数:

1>method: 使用霍夫变换圆检测的算法,它的参数是CV_ HOUGH_ GRADIENT 2>dp:霍夫空间的分辨率,dp=1时表示霍夫空间与输入图像空间的大小一致, dp=2时霍夫空间是输入图像空间的一半,以此类推 3>minDist为圆心之间的最小距离,如果检测到的两个圆心之间距离小于该值,则认为它们是同一个圆心 4>param1: 边缘检测时使用Canny算子的高阈值,低阈值是高阈值的一半 5>param2: 检测圆心和确定半径时所共有的阈值 6>minRadius和maxRadius为所检测到的圆半径的最小值和最大值

import numpy as npimport matplotlib.pyplot as pltimport cv2 as cvimg=cv.imread("straight.jpg")img1=cv.cvtColor(img,cv.COLOR_BGR2GRAY)img2=cv.medianBlur(img1,7)#plt.imshow(img2,cmap=plt.cm.gray)#plt.show()circles=cv.HoughCircles(img2,cv.HOUGH_GRADIENT,1,200,param1=100,param2=50,minRadius=0,maxRadius=100)circle1=circles[0, :, :]circle1=np.uint16(np.around(circle1))for c in circle1[:]: cv.circle(img,(c[0],c[1],c[2],(0,0,255),2)) cv.circle(img,(c[0],c[1],c[2],(0,0,255),-1))plt.imshow(img[:,:,::-1])plt.show()
本文链接地址:https://www.jiuchutong.com/zhishi/299454.html 转载请保留说明!

上一篇:【Web前端】CSS-盒子模型(web前端 css)

下一篇:计算机视觉-OpenCV入门讲解(计算机视觉opencv 有什么项目)

  • 结转结余属于什么科目
  • 怎么报企业所得税季报
  • 资产减值损失属于什么科目借方增加还是减少
  • 高新技术企业在增值税有什么优惠
  • 走逃发票怎么处理
  • 股东转入投资款
  • 个体工商户的生产、经营所得
  • 正常的成本利润是多少
  • 建筑施工企业预交税款
  • 国家知识产权局商标注册
  • 账本印花税计税金额或件数怎么申报2023
  • 异地预缴增值税后本地还要交吗
  • 税号里面有字母吗
  • 个人购买房屋的税
  • 收汇结汇的账务处理
  • 金税盘年费如何做账
  • 上月销售的货物会计分录
  • 建筑劳务公司的会计账务处理
  • 小规模减免的税额怎么做账
  • 银行承兑汇票付款提示期限
  • chrome内核的浏览器是什么意思
  • 住房公积金余额查询
  • 指定的网络名不再可用 共享打印机00x0000040
  • 宽带连接错误代码691
  • 公司收到医疗保障局打入的钱怎么做账
  • php mysql_real_escape_string函数用法与实例教程
  • 专项用途财政性资金纳税调整表
  • 生产车间闲置的固定资产
  • launcher process
  • 作废的凭证不能恢复吗
  • 出租的厂房房产税如何征收
  • 如何导入并使用数据库
  • 加德满都治安状况如何
  • macos安装多版macos并存
  • 互联网行业成本控制现状
  • 小规模纳税人交税怎么做会计分录
  • 小糖是谁
  • javaweb官方文档
  • win11系统自动更新
  • 联营企业分得的利润
  • 营业外收入的会计科目编码
  • 营业执照如何申请移出异常
  • sql2014附加数据库失败
  • 生产成本设置二级科目
  • 工程公司的材料员考试难吗
  • 工会建账需要建几本账
  • 代扣代缴消费税怎么算
  • 检查sqlserver是否安装完成
  • 按月缴纳增值税的纳税人申报期限为计算期次月的( )
  • 公司内部的往来款用什么表格怎么做账
  • 税前扣除的意思
  • 暂估费用的会计分录
  • 建筑行业旧项目怎么处理
  • 其他应付款如何隐藏收入
  • 物业管理公司收入确认
  • 租赁收入相关的会计准则
  • 复利终值和年金终值的公式
  • 自产的产品用于生产缴纳增值税
  • 销售商品未开票
  • 为什么要提前计划
  • 工程款打入个人账户扣税吗
  • 如何结转生产成本至库存商品
  • 累计折旧用什么账页格式
  • mysql 备份和恢复
  • mysql的日志
  • rteng7.exe - rteng7是什么进程 有什么用
  • linux ls命令什么意思
  • cocos2dx入门
  • ExtJs 3.1 XmlTreeLoader Example Error
  • framelayout布局
  • python获取本地路径
  • Android事件处理模型
  • 用javascript
  • 人力资源差额发票
  • 重庆电子税务局网页版登录
  • 计算当期免抵退税额
  • 加油河南app怎么注销
  • 四川 国税
  • 朝阳银行作息时间
  • 印花税零申报表怎么填步骤
  • 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