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)

  • 工程的管理费收入怎么算
  • 几个月以前发现便血是肠癌吗
  • 转让技术所得收入怎么计算增值税
  • 其他收益科目账务处理
  • 进口代收业务
  • 驾驶培训费可以报销吗
  • 账外房产按评估入账怎么交税
  • 公司组织客户旅游费用怎么做账
  • 营改增后税目税率表
  • 向银行借款一年是长期还是短期
  • 未取得发票列支成本违反法律
  • 递延收益的所得税影响
  • 增值税税控系统技术维护费计入什么科目
  • 一般和小规模纳税人哪个免税
  • 公司与政府协议
  • 营业外收入可以在借方吗
  • 平均应收账款金额
  • 模具是可以长期待摊吗
  • 公司账户替别人过账
  • 劳务派遣公司差额征税怎么申报
  • 财产清查的方法和财产清查结果的会计处理
  • tplink路由器手机怎么设置
  • 苹果6拍照如何
  • 出纳能不能兼开专票
  • 银行保证金账务处理流程
  • 常见的四种POST 提交数据方式(小总结)
  • linux怎么操作
  • 以前年度应付账款做到制造费用如何改账
  • 农产品核定扣除和计算抵扣的区别
  • PHP:iconv_mime_encode()的用法_iconv函数
  • 代扣代缴企业所得税账务处理
  • 捐资民办学校可以盈利吗
  • php和mysql关系
  • tf fans club
  • php initialize
  • useradd 删除用户
  • 购入需要安装的固定资产应先通过什么账户
  • 用友软件年度结转操作步骤
  • 永久性差异会计不确认收入
  • 交通费怎么报销
  • 社会团体会费票据查询
  • 哪些企业可以开发票
  • 经销商会议是什么意思
  • 带薪年假一般是什么时候
  • 购买加油卡需要什么证件
  • 国有土地使用权是什么意思
  • 外购商品用于赠送进项税可以抵扣吗
  • 应付职工薪酬账户贷方登记的是
  • 被选为工会代表
  • 增值税进项税额属于什么科目
  • 应付账款与应付票据结合的原则
  • 现代服务业主要包括哪些类型
  • 电子承兑汇票如何入账
  • 固定资产的折旧年限规定
  • linux安装mailx
  • centos安装选择哪个
  • mac book丢失
  • linux 详解
  • winxp如何禁用u盘
  • c:windowssys:em32mtgyu.dll 内存分配访问无效的解决办法
  • win10系统将IIS服务器发送到桌面快捷方式方法
  • 双win系统怎么删除一个
  • win8怎么固定桌面图标
  • 事件委托实现
  • js正则表达式gi
  • Android: netd中NetlinkManager的简单介绍
  • nodejs递归创建目录
  • 相机调取失败
  • shell脚本 su
  • js tabs
  • Android屏幕适配分屏
  • pythonglobal用法
  • python不同进制的整数之间可以直接运算
  • css中position的用法
  • 地方税务局发票查询
  • 什么叫银税互动
  • 成都税务怎么查询社保缴费记录
  • 百旺税控盘怎么清卡成功
  • 税务局纪检组为税收工作纪律保障
  • 伴生矿和伴采矿的区别
  • 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