模板匹配解决模板旋转以及重复检测问题

OpenCV Error: Assertion failed (scn == 3 || scn == 4)in cv::cvtColor, file C:\projects\opencv-python\opencv\modules\imgproc\src\color.cpp, line 11111

1 加载路径有错误
2 参数0是灰度,再灰度化出错

模板匹配
import cv2
import numpy as np#加载原始RGB图像
img_rgb = cv2.imread("C:/Users/AEC/Desktop/1.png")
#创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)#加载将要搜索的图像模板
template = cv2.imread('C:/Users/AEC/Desktop/2.png',0)
#记录图像模板的尺寸
w, h = template.shape[::-1]"""
#查看三组图像(图像标签名称，文件名称)
cv2.namedWindow("rgb")
cv2.imshow('rgb',img_rgb)
cv2.namedWindow("gray")
cv2.imshow('gray',img_gray)
cv2.namedWindow("template")
cv2.imshow('template',template)
cv2.waitKey(0)
cv2.destroyAllWindows()
"""
#使用matchTemplate对原始灰度图像和图像模板进行匹配
res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
#设定阈值
threshold = 0.7
#res大于70%
loc = np.where( res >= threshold)#使用灰度图像中的坐标对原始RGB图像进行标记
for pt in zip(*loc[::-1]):cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
#显示图像
cv2.namedWindow("Detected",0)
cv2.imshow('Detected',img_rgb)
cv2.imwrite("1_after.png",img_rgb)
cv2.waitKey(0)
cv2.destroyAllWindows()

模板

原图
原图

效果图

问题1 如果图像旋转了就匹配不到，试着解决这个问题解决方案：
旋转模板匹配图案
问题2 可以看到对同一个图有多个框标定，需要去重，只需要保留一个
解决方案：对框边界值设置阈值，阈值范围内就当成一个框
问题3 可能有漏检过检情况
通过调节阈值解决

经过差不多大半天的努力解决了以上一些问题
下面这个程序实现对两个图案的匹配

import cv2
import numpy as np# 加载原始RGB图像
img_rgb = cv2.imread("origin.png")
# 创建一个原始图像的灰度版本，所有操作在灰度版本中处理，然后在RGB图像中使用相同坐标还原
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
# 加载将要搜索的图像模板
#模板1 筛选图案1
template1 = cv2.imread('template1.png', 0)
#模板2 3 筛选图案2
template2 = cv2.imread('template2.png', 0)
template3 = cv2.imread('template3.png', 0)
# 记录图像模板的尺寸
w1, h1 = template1.shape[::-1]
w2, h2 = template2.shape[::-1]
w3, h3 = template3.shape[::-1]def rotate_bound(image, angle):#图片旋转但不改变大小，模板匹配中大小改变对匹配效果有影响(h, w) = image.shape[:2](cX, cY) = (w // 2, h // 2)#//是向下取整M = cv2.getRotationMatrix2D((cX, cY), -angle, 1.0)cos = np.abs(M[0, 0])sin = np.abs(M[0, 1])nW = int((h * sin) + (w * cos))nH = int((h * cos) + (w * sin))M[0, 2] += (nW / 2) - cXM[1, 2] += (nH / 2) - cYreturn cv2.warpAffine(image, M, (nW, nH))#选出所有匹配旋转模板且不重复的图案
def make_contour(template,w,h,angle,threshold):rects = []# 模板旋转匹配for i in range(0, 360, angle):new_rotate = rotate_bound(template, i)# 把图片旋转后黑色的部分填充成白色new_rotate[new_rotate == 0] = 255# 使用matchTemplate对原始灰度图像和图像模板进行匹配res = cv2.matchTemplate(img_gray, new_rotate, cv2.TM_CCOEFF_NORMED)# 设定阈值loc = np.where(res >= threshold)#x,y坐标对调打包for pt in zip(*loc[::-1]):point = np.array([[pt[0], pt[1]], [pt[0] + w, pt[1]],[pt[0], pt[1] + h], [pt[0] + w, pt[1] + h]])rects.append(cv2.boundingRect(point))#模板匹配后符合要求的所有图案数量length = len(rects)#设定阈值threshold = 3i = 0#如果两个图案距离在阈值范围内，则等同，然后用集合去重while(i<length):print(i)for j in range(length):if j != i:if np.abs(rects[j][0]-rects[i][0])<= threshold:if np.abs(rects[j][1]-rects[i][1]) <= threshold:rects[j] = rects[i]i = i+1return set(rects)#在原图把匹配的模板框出来并输出坐标文档
def draw_contour(contours,color):count = 0for contour in contours:cv2.rectangle(img_rgb, (contour[0], contour[1]), (contour[0] + contour[2], contour[1] + contour[3]),color, 1)cx = contour[0] + (contour[2] // 2)cy = contour[1] + (contour[3] // 2)count = count + 1cv2.putText(img_rgb, str(count), (cx, cy), cv2.FONT_HERSHEY_SIMPLEX, 1,color, 1, 1)with open("data.txt", "a+") as f:f.write("contour" + '\t' + str(count) + '\t' + 'cx: ' + str(cx) + '  \t' + 'cy: ' + str(cy) + '\n')# 显示图像cv2.imwrite("after.png", img_rgb)if __name__=='__main__':#a+可读可写覆盖with open("data.txt", "a+") as f:f.write('contour1'+'\n')threshold1 = 0.69contours1 = make_contour(template1,w1,h1,90,threshold1)color1 = (255, 0, 0)draw_contour(contours1,color1)img_rgb = cv2.imread("after.png")img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)with open("data.txt", "a+") as f:f.write('\n'+'contour2'+'\n')color2 = (0,0,255)threshold2 = 0.53#合并轮廓contours2 = list(make_contour(template2, w2, h2,30,threshold2))+list(make_contour(template3, w3, h3, 30, threshold2))draw_contour(contours2,color2)

匹配效果很好，阈值调节需要谨慎，0.01的差距可能会造成一个漏检

输出每个框的位置坐标

模板匹配解决模板旋转以及重复检测问题相关推荐

opencv模板匹配做电表读数区域的检测
描述电表读数识别的时候,需要进行读数区域的检测.在PC上用什么方法都可以因为没有硬件限制.在移动端/终端的时候,因为硬件的限制无法用深度学习,可以尝试图像处理的模板匹配. 模板图片测试图片 cod ...
opencv 有无判断模板匹配_opencv模板匹配
模板匹配在图像处理中经常使用,该算法主要用于寻找图像中与模板图像相同的区域.此外,也用于图像定位,通过模板匹配找到指定的位置,然后进行后续的处理. 在进行模板匹配的时候,需要先制作模板,模板图像一般是 ...
python中括号配对检测_使用模板匹配在Python上进行对象检测！（附代码）
了解如何在没有机器学习或任何框架的情况下在Python上进行对象检测每当我们听说" 对象检测 "时,我们就会想到机器学习以及不同的框架.但是我们实际上可以在不使用机器学习或任何其 ...
【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 ...
[模板匹配霍夫变换]——模板匹配分析、霍夫变换分析
一.模板匹配分析所谓模板匹配,就是在给定的图片中查找和模板最相似的区域,该算法的输入包括模板和图片,整个任务的思路就是按照滑窗的思路不断的移动模板图片,计算其与图像中对应区域的匹配度,最终将匹配度最 ...
用c语言对图像进行模板匹配,[转载]模板匹配的基本概念
简单而言,模板就是一幅已知的小图像.模板匹配就是在一幅大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸.方向和图像,通过一定的算法可以在图中找到目标,确定其坐标位置. 以8 位 ...
Opencv(六)模板匹配、轮廓检测、轮廓周围绘制矩形框和圆形框
模板匹配介绍模板匹配就是在整个图像区域发现与给定子图像匹配的小块区域. 所以模板匹配首先需要一个模板图像T(给定的子图像) 另外需要一个待检测的图像-源图像S 工作方法,在带检测图像上,从左到右,从 ...
通过模板匹配先定位检测的对象再检测圆形零件和孔针02
图中红色区域的孔和针的检测如果相机像素很大,直接找很慢,可以通过深度学习的方式或模板匹配定位,然后再做检测 1 images/HoleTemplate.jpg NeedleTemplate.jpg ...
OpenCV中使用模板匹配识别空闲的货架空间
但是点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达假设你是一名在超市工作的员工,被要求在商店里四处走动,检查需要 ...

模板匹配解决模板旋转以及重复检测问题

模板匹配解决模板旋转以及重复检测问题相关推荐

最新文章

热门文章

模板匹配 解决模板旋转以及重复检测问题

模板匹配 解决模板旋转以及重复检测问题相关推荐

最新文章

热门文章

模板匹配解决模板旋转以及重复检测问题

模板匹配解决模板旋转以及重复检测问题相关推荐