对超级大的图像做模板匹配

opencv对一张(1000000,10000000,3)的图片做模板匹配时，会出现segmention fault错误

所以我设计了一种纵向切割图像的算法，模板过大则不适用

文件夹结构：

里面的png是超级大图

"""-*- coding: utf-8 -*-author： Hao Hu@date   2022/4/8 11:13 PM
"""
import numpy as np
import matplotlib.pyplot as plt
"""本脚本适用于超大图像纵向识别"""
import os
os.environ["OPENCV_IO_MAX_IMAGE_PIXELS"] = pow(2,40).__str__()
import cv2
import os.path as osp
from toml import loaddef get_template(img_path,pattern0_bbox):"""通过pattern_bbox得到位置信息"""image = cv2.imread(img_path)template = image[pattern0_bbox[1]:pattern0_bbox[3],pattern0_bbox[0]:pattern0_bbox[2]]return templatedef get_only_template_area(loc, blackground_mask,img_tmp,template_image,k):"""通过分割后的原图得到 仅包含模板的mask图"""h, w = template_image.shape[:2]for index in range(k+1):for pt in zip(*loc[index][::-1]):bottom_right = (pt[0] + w, pt[1] + h)blackground_mask[pt[1]+12000*index:bottom_right[1]+12000*index,pt[0]:bottom_right[0]] = img_tmp[index][pt[1]:bottom_right[1],pt[0]:bottom_right[0]]return blackground_maskdef template_match(ori_img_path,template1_image,template2_image):ori_img = cv2.imread(ori_img_path)blackground_mask = np.zeros((ori_img.shape[0], ori_img.shape[1], 3), dtype="uint8")k = int(ori_img.shape[0]/15000)img_tmp = {}for index in range(k+1):# 定义一个数组保存图像if index == 0:img_tmp[index] = ori_img[0:15000*(index+1),0:ori_img.shape[1]]if index == k:img_tmp[index] = ori_img[12000*index:ori_img.shape[0],0:ori_img.shape[1]]else:img_tmp[index] = ori_img[12000*index:12000*index+15000,0:ori_img.shape[1]]threshold = 0.85res = {}loc = {}for index in range(k+1):res[index] =cv2.matchTemplate(img_tmp[index], template1_image, cv2.TM_CCOEFF_NORMED)loc[index] = np.where(res[index] >= threshold)res2 = {}loc2 = {}for index in range(k+1):res2[index] =cv2.matchTemplate(img_tmp[index], template2_image, cv2.TM_CCOEFF_NORMED)loc2[index] = np.where(res2[index] >= threshold)template_only_area = get_only_template_area(loc, blackground_mask,img_tmp,template1_image,k)template_only_area = get_only_template_area(loc2,template_only_area,img_tmp,template2_image,k)return template_only_areadef generate_img(template_only_area,pattern_path,folder_path):"""生成想要的图片"""generate_folder_tmp = '/cloud_disk/users/huh/pcb/template_matching/NEW_TASK_4_6/test/'generate_folder_NO_RESIZE = osp.join(folder_path,'/segmap_layers/copper/',osp.basename(pattern_path))if not os.path.exists(generate_folder_NO_RESIZE):os.makedirs(generate_folder_NO_RESIZE)cv2.imwrite(generate_folder_NO_RESIZE,template_only_area)template_only_area =cv2.resize(template_only_area, (int(template_only_area.shape[0] / 60), int(template_only_area.shape[1] / 60)), cv2.INTER_NEAREST)test_path = osp.join(generate_folder_tmp,'test_'+osp.basename(pattern_path))cv2.imwrite(test_path,template_only_area)def read_toml(toml_path):"""读取toml文件中的数据"""with open(toml_path, 'r') as fp:content = load(fp)pattern_box = content['patterns']pattern0_box = pattern_box['pattern0']['bbox']pattern1_box = pattern_box['pattern0']['bbox']return pattern0_box,pattern1_boxdef get_file_path(folder_path):"""得到相关文件的路径"""file_list = os.listdir(folder_path)for file in file_list:if 'png' in file:ori_img_path = osp.join(folder_path,file)if 'toml' in file:toml_path = osp.join(folder_path,file)pattern0_folder_path = osp.join(folder_path+'/patterns/pattern0/copper/')pattern1_folder_path = osp.join(folder_path+'/patterns/pattern0/copper/')pattern0_path = osp.join(pattern0_folder_path,os.listdir(pattern0_folder_path)[0])pattern1_path = osp.join(pattern1_folder_path,os.listdir(pattern1_folder_path)[0])return pattern0_path,pattern1_path,toml_path,ori_img_pathdef main():folder_path = '/cloud_disk/users/huh/pcb/template_matching/NEW_TASK_4_6/P80LI119982A0_L5/'pattern0_path,pattern1_path,toml_path,ori_img_path = get_file_path(folder_path)pattern0_bbox,pattern1_bbox = read_toml(toml_path)template1 = get_template(ori_img_path,pattern0_bbox)template2 = get_template(ori_img_path,pattern1_bbox)template_only_area = template_match(ori_img_path,template1,template2)generate_img(template_only_area,ori_img_path)if __name__ == '__main__':main()

对超级大的图像做模板匹配相关推荐

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 ...
【python版CV】图像轮廓模板匹配
文章目录 1.图像轮廓 1.1 findContours函数: 1.2 获取轮廓信息(可能会报错原因) 1.3 绘制轮廓: 1.4 轮廓特征: 1.5 轮廓近似: 1.6 边界矩形 2.模板匹配 3. ...
matlab 做模板匹配,matlab编程实现模板匹配
clear all; close all; clc; img=imread('Lena.bmp'); imshow(img); title('原始图像'); img=double(img); mask ...
多大分辨率图像做分类更适合？浙大华为国科大等提出Dynamic Resolution Network，降低计算量还提性能！...
关注公众号,发现CV技术之美 ▊ 写在前面为了获得更高的精度,深卷积神经网络(CNN)通常具有复杂的设计,具有许多卷积层和可学习的参数.为了减轻在移动设备上部署网络的成本,最近的工作开始研究在预定义 ...
opencv基础--图像模板匹配
参考:https://blog.csdn.net/ivanhawking/article/details/83182692(该链接附载链接有处理多目标,旋转,缩放等匹配的方法) 1.概述图像匹配是指 ...
【OpenCV 4开发详解】图像模板匹配
本文首发于"小白学视觉"微信公众号,欢迎关注公众号本文作者为小白,版权归人民邮电出版社发行所有,禁止转载,侵权必究! 经过几个月的努力,小白终于完成了市面上第一本OpenCV 4 ...
OpenCV之imgproc 模块. 图像处理（4）直方图均衡化直方图计算直方图对比反向投影模板匹配
直方图均衡化目标在这个教程中你将学到: 什么是图像的直方图和为什么图像的直方图很有用用OpenCV函数 equalizeHist 对图像进行直方图均衡化原理图像的直方图是什么? 直方图是图像 ...
OpenCV-Python教程：模板匹配(matchTemplate)
原文链接:http://www.juzicode.com/opencv-python-matchtemplate 返回Opencv-Python教程模板匹配可以实现在源图像中查找特征图像,特征图像一 ...
python cv2 matchtemplate_OpenCV-Python系列十：模板匹配
模板匹配应用的场景非常多,OCR(字符识别),目标检测.定位等等.OpenCV中,你可以使用cv2.matchTemplate()来完成.对于其中的计算原理,可参考如下博客: cv2.matchTem ...

对超级大的图像做模板匹配

对超级大的图像做模板匹配相关推荐

最新文章

热门文章