【视觉项目】【day3】8.22号实验记录（利用canny检测之后的来进行模板匹配）
【day3】8.22号实验记录（几乎没干正事的一天，利用canny检测之后的来进行模板匹配）
今天没搞代码，主要是问研究生学长工业摄像头的接法的，学长也不知道，明天问问老师。。。
晚上搞了一下canny之后的模板匹配（基于边缘的ncc模板匹配）。
失误率还是很高；
步骤：
1、对测试图进行canny边缘检测，blurSize:5,thred1：40，thred2=thred1*2
2、截取出模板图
3、对模板图进行精简化，每个形状留下一个模板
4、模板匹配，利用最后一个method
5、观察结果
在此之前发现一个BUG，一开始我把文件夹的模板图片按照大小从大到小排序，然后读取，以为读取的顺序也是按照大小，结果并不是。然后将文件名改成数字发现这样问题：
现在改成0~9，A ~Z了。这样读取就没问题了(图片先按照从大到小排列好，然后标上序号)
| 瓶子种类 | 判断序列 |
|---|---|
| 大棕瓶 | 1 |
| 方底圆肩 | 2 |
| BAL | 3 |
| 桶肩 | 4 |
| 方肩 | 5 |
| 圆肩 | 6 |
| 多面肩 | 7 |
| 长条 | 8 |
| 方方 | 9 |
| 小方肩 | 10(A) |
| 小桶肩 | 11(B) |
| 小长条 | 12© |
| 葡萄形 | 13(D) |
| 小小长条 | 14(E) |
我就说我看imshow出来的图有的框框是正确的但是打印出来的信息确实说判断失误，原来错误在此。
结果一览：
第0张测试图片的测试
推测： 1 0.999899
推测： 2 0.159316
推测： 3 0.16973
推测： 4 0.16302
推测： 5 0.146634
推测： 6 0.145204
推测： 7 0.154191
推测： 8 0.169068
推测： 9 0.172421
推测： 10 0.164901
推测： 11 0.174258
推测： 12 0.142165
推测： 13 0.171748
推测： 14 0.181042
推测： 1 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\1.jpg
第1张测试图片的测试
推测： 1 0.0677492
推测： 2 0.192816
推测： 3 0.19569
推测： 4 0.203792
推测： 5 0.183926
推测： 6 0.194002
推测： 7 0.204825
推测： 8 0.167349
推测： 9 0.212663
推测： 10 0.248098
推测： 11 0.236596
推测： 12 0.167326
推测： 13 0.193811
推测： 14 0.246041
推测： 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+波纹.jpg
第2张测试图片的测试
推测： 1 0.0745666
推测： 2 0.191711
推测： 3 0.206386
推测： 4 0.223004
推测： 5 0.189569
推测： 6 0.192022
推测： 7 0.219123
推测： 8 0.153535
推测： 9 0.215017
推测： 10 0.272478
推测： 11 0.24383
推测： 12 0.155505
推测： 13 0.206007
推测： 14 0.230731
推测： 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+麻点.jpg
第3张测试图片的测试
推测： 1 0.0674402
推测： 2 0.190262
推测： 3 0.194618
推测： 4 0.202427
推测： 5 0.180647
推测： 6 0.184829
推测： 7 0.200398
推测： 8 0.152772
推测： 9 0.206936
推测： 10 0.225717
推测： 11 0.228099
推测： 12 0.162078
推测： 13 0.205098
推测： 14 0.232309
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10+气泡+瓶口破裂.jpg
第4张测试图片的测试
推测： 1 0.0667432
推测： 2 0.184654
推测： 3 0.196985
推测： 4 0.197662
推测： 5 0.175655
推测： 6 0.192289
推测： 7 0.188367
推测： 8 0.160075
推测： 9 0.199215
推测： 10 0.999916
推测： 11 0.226178
推测： 12 0.168345
推测： 13 0.194988
推测： 14 0.232534
推测： 10 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10.jpg
第5张测试图片的测试
推测： 1 0.071391
推测： 2 0.172067
推测： 3 0.183315
推测： 4 0.185845
推测： 5 0.168023
推测： 6 0.177003
推测： 7 0.197795
推测： 8 0.15127
推测： 9 0.208734
推测： 10 0.205898
推测： 11 0.223277
推测： 12 0.161699
推测： 13 0.183026
推测： 14 0.238298
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\10_2.jpg
第6张测试图片的测试
推测： 1 0.0766431
推测： 2 0.194797
推测： 3 0.192207
推测： 4 0.192065
推测： 5 0.165884
推测： 6 0.197727
推测： 7 0.194922
推测： 8 0.155325
推测： 9 0.203182
推测： 10 0.212072
推测： 11 0.999917
推测： 12 0.149497
推测： 13 0.200141
推测： 14 0.234049
推测： 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\11.jpg
第7张测试图片的测试
推测： 1 0.0660837
推测： 2 0.15329
推测： 3 0.161353
推测： 4 0.160306
推测： 5 0.158421
推测： 6 0.160659
推测： 7 0.168233
推测： 8 0.162622
推测： 9 0.180816
推测： 10 0.167988
推测： 11 0.16388
推测： 12 0.999889
推测： 13 0.145922
推测： 14 0.236582
推测： 12 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\12.jpg
第8张测试图片的测试
推测： 1 0.0687511
推测： 2 0.143734
推测： 3 0.160211
推测： 4 0.160617
推测： 5 0.137856
推测： 6 0.153583
推测： 7 0.151973
推测： 8 0.122462
推测： 9 0.167214
推测： 10 0.173555
推测： 11 0.188296
推测： 12 0.124624
推测： 13 0.999895
推测： 14 0.19558
推测： 13 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\13.jpg
第9张测试图片的测试
推测： 1 0.0759759
推测： 2 0.174036
推测： 3 0.189693
推测： 4 0.186176
推测： 5 0.162701
推测： 6 0.186011
推测： 7 0.182791
推测： 8 0.164141
推测： 9 0.211726
推测： 10 0.190269
推测： 11 0.214651
推测： 12 0.202217
推测： 13 0.191377
推测： 14 0.999928
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\14.jpg
第10张测试图片的测试
推测： 1 0.0685986
推测： 2 0.999908
推测： 3 0.197106
推测： 4 0.199551
推测： 5 0.165488
推测： 6 0.177893
推测： 7 0.175737
推测： 8 0.17786
推测： 9 0.189742
推测： 10 0.199831
推测： 11 0.224685
推测： 12 0.167693
推测： 13 0.187055
推测： 14 0.227288
推测： 2 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\2+料纹.jpg
第11张测试图片的测试
推测： 1 0.0823208
推测： 2 0.194862
推测： 3 0.240673
推测： 4 0.228067
推测： 5 0.203489
推测： 6 0.20106
推测： 7 0.188743
推测： 8 0.171516
推测： 9 0.217045
推测： 10 0.210541
推测： 11 0.230518
推测： 12 0.195712
推测： 13 0.198557
推测： 14 0.242895
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\3(2).jpg
第12张测试图片的测试
推测： 1 0.0875951
推测： 2 0.189371
推测： 3 0.999919
推测： 4 0.20761
推测： 5 0.184649
推测： 6 0.190449
推测： 7 0.187689
推测： 8 0.172588
推测： 9 0.21905
推测： 10 0.211293
推测： 11 0.222776
推测： 12 0.17192
推测： 13 0.194983
推测： 14 0.240071
推测： 3 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\3.jpg
第13张测试图片的测试
推测： 1 0.0762475
推测： 2 0.193385
推测： 3 0.206374
推测： 4 0.999917
推测： 5 0.196284
推测： 6 0.211612
推测： 7 0.199663
推测： 8 0.16672
推测： 9 0.203637
推测： 10 0.222087
推测： 11 0.229298
推测： 12 0.173151
推测： 13 0.193383
推测： 14 0.242526
推测： 4 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+厚底.jpg
第14张测试图片的测试
推测： 1 0.0742768
推测： 2 0.183037
推测： 3 0.19992
推测： 4 0.233414
推测： 5 0.193829
推测： 6 0.202593
推测： 7 0.195318
推测： 8 0.162245
推测： 9 0.196492
推测： 10 0.206311
推测： 11 0.224846
推测： 12 0.164093
推测： 13 0.182105
推测： 14 0.224409
推测： 4 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+厚底2.jpg
第15张测试图片的测试
推测： 1 0.0841786
推测： 2 0.204607
推测： 3 0.224352
推测： 4 0.223654
推测： 5 0.194415
推测： 6 0.203212
推测： 7 0.201527
推测： 8 0.17594
推测： 9 0.20281
推测： 10 0.222734
推测： 11 0.237972
推测： 12 0.178081
推测： 13 0.198503
推测： 14 0.223998
推测： 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\4+炸肩.jpg
第16张测试图片的测试
推测： 1 0.0687894
推测： 2 0.169599
推测： 3 0.196785
推测： 4 0.192013
推测： 5 0.201513
推测： 6 0.168095
推测： 7 0.188264
推测： 8 0.174867
推测： 9 0.193395
推测： 10 0.203779
推测： 11 0.203879
推测： 12 0.158818
推测： 13 0.166283
推测： 14 0.201001
推测： 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+脖夹料.jpg
第17张测试图片的测试
推测： 1 0.0669763
推测： 2 0.165399
推测： 3 0.189213
推测： 4 0.195807
推测： 5 0.999901
推测： 6 0.182851
推测： 7 0.187197
推测： 8 0.159754
推测： 9 0.20123
推测： 10 0.194069
推测： 11 0.198122
推测： 12 0.180539
推测： 13 0.175488
推测： 14 0.229792
推测： 5 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+肩薄.jpg
第18张测试图片的测试
推测： 1 0.0677802
推测： 2 0.169116
推测： 3 0.195108
推测： 4 0.18314
推测： 5 0.194622
推测： 6 0.172374
推测： 7 0.18676
推测： 8 0.15826
推测： 9 0.194704
推测： 10 0.209267
推测： 11 0.199518
推测： 12 0.16706
推测： 13 0.172012
推测： 14 0.221641
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+气泡.jpg
第19张测试图片的测试
推测： 1 0.0747533
推测： 2 0.181079
推测： 3 0.200197
推测： 4 0.197885
推测： 5 0.205308
推测： 6 0.174768
推测： 7 0.196886
推测： 8 0.17837
推测： 9 0.201382
推测： 10 0.213211
推测： 11 0.206511
推测： 12 0.164951
推测： 13 0.168586
推测： 14 0.220555
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+炸口.jpg
第20张测试图片的测试
推测： 1 0.0699738
推测： 2 0.167857
推测： 3 0.194068
推测： 4 0.196662
推测： 5 0.223518
推测： 6 0.17532
推测： 7 0.187385
推测： 8 0.165401
推测： 9 0.207974
推测： 10 0.196251
推测： 11 0.216576
推测： 12 0.168357
推测： 13 0.165634
推测： 14 0.236621
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\5+皱纹气泡.jpg
第21张测试图片的测试
推测： 1 0.0745079
推测： 2 0.172329
推测： 3 0.183698
推测： 4 0.207432
推测： 5 0.180945
推测： 6 0.999902
推测： 7 0.182795
推测： 8 0.156521
推测： 9 0.196917
推测： 10 0.200413
推测： 11 0.219137
推测： 12 0.166677
推测： 13 0.177033
推测： 14 0.23339
推测： 6 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6.jpg
第22张测试图片的测试
推测： 1 0.0757203
推测： 2 0.185743
推测： 3 0.198319
推测： 4 0.209321
推测： 5 0.177278
推测： 6 0.215565
推测： 7 0.188477
推测： 8 0.159327
推测： 9 0.207627
推测： 10 0.197104
推测： 11 0.22871
推测： 12 0.156538
推测： 13 0.180326
推测： 14 0.227921
推测： 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6_2.jpg
第23张测试图片的测试
推测： 1 0.0763888
推测： 2 0.182751
推测： 3 0.204342
推测： 4 0.217796
推测： 5 0.197232
推测： 6 0.225404
推测： 7 0.198124
推测： 8 0.166369
推测： 9 0.210786
推测： 10 0.2024
推测： 11 0.240366
推测： 12 0.155964
推测： 13 0.18852
推测： 14 0.232502
推测： 11 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\6_3.jpg
第24张测试图片的测试
推测： 1 0.0709417
推测： 2 0.168317
推测： 3 0.183995
推测： 4 0.19602
推测： 5 0.183233
推测： 6 0.182706
推测： 7 0.999906
推测： 8 0.155042
推测： 9 0.212351
推测： 10 0.197007
推测： 11 0.219966
推测： 12 0.179487
推测： 13 0.186827
推测： 14 0.238455
推测： 7 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\7+厚底.jpg
第25张测试图片的测试
推测： 1 0.0796629
推测： 2 0.181547
推测： 3 0.200326
推测： 4 0.218412
推测： 5 0.18823
推测： 6 0.191254
推测： 7 0.26721
推测： 8 0.16667
推测： 9 0.224057
推测： 10 0.222557
推测： 11 0.230706
推测： 12 0.165753
推测： 13 0.189809
推测： 14 0.249041
推测： 7 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\7+厚底2.jpg
第26张测试图片的测试
推测： 1 0.077863
推测： 2 0.172118
推测： 3 0.172068
推测： 4 0.165604
推测： 5 0.15109
推测： 6 0.164338
推测： 7 0.150378
推测： 8 0.999904
推测： 9 0.164206
推测： 10 0.168536
推测： 11 0.179627
推测： 12 0.174269
推测： 13 0.162888
推测： 14 0.208456
推测： 8 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\8.jpg
第27张测试图片的测试
推测： 1 0.0802956
推测： 2 0.179141
推测： 3 0.179439
推测： 4 0.168302
推测： 5 0.149152
推测： 6 0.166684
推测： 7 0.148488
推测： 8 0.22492
推测： 9 0.174161
推测： 10 0.173598
推测： 11 0.183869
推测： 12 0.180352
推测： 13 0.172465
推测： 14 0.226786
推测： 14 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\8_2.jpg
第28张测试图片的测试
推测： 1 0.0755698
推测： 2 0.174307
推测： 3 0.20318
推测： 4 0.190371
推测： 5 0.180084
推测： 6 0.189627
推测： 7 0.202128
推测： 8 0.153806
推测： 9 0.999983
推测： 10 0.196823
推测： 11 0.215923
推测： 12 0.179363
推测： 13 0.187962
推测： 14 0.248053
推测： 9 D:/opencv_picture_test/视觉项目resize后的图片夹/测试图片夹/不均衡化直接canyy后的测试图\9.jpg
误判少了很多，但是仍然是不少的。接下来，估摸着可能是由于反光，玻璃瓶内部的花纹太过于杂乱无章，其实判断形状我们只需要用到最外部的轮廓，可以想办法把测试图以及模板中的瓶子内部“边缘”消除掉，或许会有效果。
【视觉项目】【day3】8.22号实验记录（利用canny检测之后的来进行模板匹配）相关推荐
- 【视觉项目】【day2】8.21号实验记录（手机固定高度15cm拍摄+直方图均衡化+模板匹配，模板12个，测试28个，效果十分差）
目录 均衡化代码 模板图片按照大小排序 总代码 测试效果 新思路 由于模板匹配是像素之间的比对,所以不同光照下的像素灰度值也会不同 所以在比对之前,我们需要对测试图和模板图进行直方图均衡化,这一步可以 ...
- 【视觉项目】【day1】8.20号实验记录（初步使用模板匹配）
目录 [day1]8.20号实验记录(初步使用模板匹配) 模板匹配 单张图的代码 利用多个模板去匹配多张图的代码 写代码过程中遇到的问题 [day1]8.20号实验记录(初步使用模板匹配) 模板匹配 ...
- 【视觉项目】【day5】8.25号实验记录（修完BUG，28张测试图，13个样本，四张测试图误判，这比之前效果好很多了）
目录 修改完BUG后的程序以及效果 优化思路,增强正确识别率(待验证) 修改完BUG后的程序以及效果 修改代码后的测试结果:(利用连通域面积将明显比本张测试图的瓶子要小的模板提前去除,减少误判) 这样 ...
- 【视觉项目】【day4】8.24号实验记录（消除瓶子内部“边缘”）
思路分析以及代码 思路1:使用findContours函数,设置轮廓为最外部RETR_EXTERNAL,结果发现结果仍然是所有轮廓. 思路2:先二值化,然后进行闭操作,然后canny,得到的轮廓确实比 ...
- Arduino实验十一 利用水位传感器检测水位
学习任务: 利用水位传感器检测水位 组件: Arduion主板 水位传感器 I2CLCD1602液晶显示器 面包板 杜邦线 USB数据线 下图是水位传感器 实验步骤: 1.建立电路 Arduion I ...
- 【深度学习】图像匹配Siamese网络实验记录
图像匹配Siamese网络实验记录 Ⅰ. Siamese 网络介绍 Ⅱ. 数据集 AT&T 分拣行李匹配图像 Ⅲ. 实验记录 A. 模型1 1. 实验1 2. 实验2 3. 实验3 B. 模型 ...
- 用Python实现不同数据源的对象匹配【实验记录】
任务简介: 现有两份针对同一主题的数据,但是在人物的属性名称及格式上有所不同,需要对两份数据进行匹配来确定是同一个人. 匹配属性: 1 人名 2 出生日期 3 国籍 原始数据举例 1 数据源1(以下简 ...
- 【人工智能项目】Fashion Mnist识别实验
[人工智能项目]Fashion Mnist识别实验 本次主要通过四个方法对fashion mnist进行识别实验,主要为词袋模型.hog特征.mlp多层感知器和cnn卷积神经网络.那么话不多说,走起来 ...
- 操作系统真象还原实验记录之实验七：加载内核
操作系统真象还原实验记录之实验七:加载内核 对应书P207 1.相关基础知识总结 1.1 elf格式 1.1.1 c程序如何转化成elf格式 写好main.c的源程序 //main.c int mai ...
最新文章
- Linux: debian/ubuntu下安装Neo4j
- git提交忽略权限问题
- python count()计算字符出现的频数
- RabbitMQ使用详解
- Android Studio在Git上将项目推送到新的Url地址中
- 阿里云ECS——[您的云服务器（xxx.xxx.xxx.xxx）由于被检测到对外攻击，已阻断该服务器对其它服务器端口（TCP:6379）的访问]解决方案
- OpenCV安全栅栏摄像头security barrier camera的实例(附完整代码)
- C#多线程学习(六) 互斥对象
- HTTP 协议 -- 浏览器缓存机制
- Spark Master的注册机制与状态管理
- html5 crop,HTML5内联SVG autocrop空格
- html学术模板,学术研究介绍信模板
- 运用EXCEL RAND RANK INDEX函数制作抽奖器
- unity光照烘焙怎么弄
- c++二分法求平方根
- CSDN写博客修改图片大小、图片居中、去掉图片水印等方法
- Scratch项目整合
- Cglib入门到使用
- 软技能入门《质量》系列 -- 密切追踪
- Java 程序处理 去除文件中的NUL字符