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)

  • 取得的免税发票怎么开
  • 纳税调整项目包括哪些?请简单列举
  • 公司如何做成集团
  • 备用金可以不要发票吗
  • 现金日记账本月合计的红线画法
  • 企业申报表有异常期间可以更换财务负责人吗
  • 一般纳税人转成小规模的条件
  • 少收的应收和应付账款怎么处理?
  • 招标代理公司转让
  • 建筑施工企业工伤保险费率
  • 置换回房产怎么过户
  • 支付宝已经支付的钱怎么退回来
  • 新注册成立的公司可以往前补交社保吗
  • 2018增值税暂行条例
  • 小微企业免征增值税报表填写
  • 个人提前退休取得的一次性补贴收入免征
  • 什么时候抵扣增值税
  • 贷款本金余额具体是什么意思
  • 车辆违章罚款怎么入账
  • 个体户定期定额申报表怎么填
  • 销项税月底还是年底结0
  • 计提社保公司承担部分的会计分录
  • Win11安装如何跳过以太网
  • Linux系统复制粘贴
  • 资本公积是什么会计要素
  • 库存现金银行存款用什么凭证
  • 小规模纳税人无票收入免税吗
  • win7s
  • 如何在电脑管家下载软件
  • 静默安装命令
  • 公司准备上市到真正上市要多久
  • 未分配利润转增股本交印花税
  • 在网上怎
  • 电脑桌面上的图片怎么打印
  • 零售业如何盈利
  • vue3如何实现使用SortableJs插件进行表格内的数据项拖拽排序
  • php功能实现
  • laravel app接口
  • 老生常谈含义
  • 减税性质代码及名称农业
  • 商业预付卡可以报销吗
  • 税控盘登录密码设置
  • 深究Python中的asyncio库-线程同步
  • 计提工会经费的标准
  • 个体户做账流程新手必看
  • 会务费什么企业可以开
  • 如何在sql server中建立一个表
  • 商场超市收银员每日工作流程
  • 新会计准则计提减值准备
  • 土地交易服务费由哪个部门收取
  • 技术服务费会计科目
  • 城镇土地使用税每年都要交吗
  • 进项税抵扣的分录怎么做
  • 建筑公司支付给农民工的工资需要取得发票吗
  • 不良品扣款会计分录
  • 计提附加税金额
  • 非本公司员工的火车票可以报销么
  • 企业所得税退税会计分录
  • 职工教育经费中的职工培训费用可以全额扣除吗
  • 高新技术企业退出机制
  • 坏账准备怎么计提比例
  • 小企业持有的不良资产
  • ubuntu虚拟机apt安装tools
  • rundull32.exe
  • centos7查看性能监控
  • 因以下文件的损坏或者丢失,windows无法启动hal.dll
  • mom.exe是什么进程
  • linux小技巧
  • linux 11
  • 非递归与递归
  • shell脚本-p
  • 法线贴图使用
  • 安卓中px,dp,sp的区别
  • 国家税务总局关于个人所得税有关政策问题的通知
  • 税务清单模板
  • 房地产公司可以查到客户购房信息
  • 税务局风控
  • 提租补贴什么标准发放
  • 城市维护建设税法自2021年10月1日起施行
  • 卷筒纱窗拆卸
  • 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