- 微信
- 微博
  
  分享文章到微博
- 复制链接
  
  复制链接到剪贴板

OpenCV（python）一键入门--十六篇（图像匹配）

拓佑豪发表于 2021/08/03 16:27:43 2021/08/03

【摘要】简单介绍了轮廓匹配和Hu矩轮廓匹配的函数使用

本系列OpenCV博客旨在以最简单的方式分享OpenCV知识，欢迎大家交流和提出指导意见

1：模板匹配

案例需要的图像以及模板如下：

我们需要从一个图片中，找到这个“模板” ，然后把它从图中标记出来，像这样：

示例代码如下：

import cv2 as cv
import numpy as np

#图像模板匹配
src = cv.imread("ma.jpg")  #待测图片
tpl = cv.imread("ma-1.png")  #模板
cv.imshow("input", src)
cv.imshow("tpl", tpl)

th, tw = tpl.shape[:2]
result = cv.matchTemplate(src, tpl, cv.TM_CCORR_NORMED)
cv.imshow("result", result)
t = 0.98
loc = np.where(result > t)

for pt in zip(*loc[::-1]):
    cv.rectangle(src, pt, (pt[0] + tw, pt[1] + th), (0, 0, 255), 1, 8, 0)
cv.imshow("demo", src)

cv.waitKey(0)
cv.destroyAllWindows()

1）：matchTemplate模板匹配

cv.matchTemplate（图像，模板，匹配方法）

其中，匹配方法常见如下：

0：差值平方和匹配 CV_TM_SQDIFF

1：标准化差值平方和匹配 CV_TM_SQDIFF_NORMED

2：相关匹配 CV_TM_CCORR

3：标准相关匹配 CV_TM_CCORR_NORMED

4：相关匹配 CV_TM_CCOEFF

5：标准相关匹配 CV_TM_CCOEFF_NORMED

2）：np.where

属于numpy的范畴，感兴趣的小伙伴可以去AI Gallery学习

链接：https://marketplace.huaweicloud.com/markets/ai/gallery_course.html

np.where用于选择查找，其操作对象必须是ndarray，他会返回对应的索引。

>>> import numpy as np
>>> a = np.array([2,4,6,8,10])
>>> a_where = np.where(a>5)  #声明查找条件为 a>5
>>> print(a_where)   #打印返回值，也就是np.where给出的索引 
(array([2, 3, 4], dtype=int64),)
>>> print(a[np.where(a>5)])   #打印 列表中 对应的索引 的值
[ 6  8 10]

模板匹配是很简单也是很基础的算法，不过也有不足。

这里给出下图，来直观的感受一下：任何形变，背景修改，都难以检测

2：Hu矩轮廓匹配

import cv2 as cv
import numpy as np

def contours_info(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    ret, binary = cv.threshold(gray, 0, 255, cv.THRESH_BINARY | cv.THRESH_OTSU)
    contours, hierarchy = cv.findContours(binary, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_SIMPLE)
    return contours
    #转灰度，二值化，寻找轮廓，返回轮廓信息

src = cv.imread("abc.png")
src2 = cv.imread("abc-b.png")
cv.imshow("input1", src)
cv.imshow("input2", src2)

# 从函数那获取轮廓信息
contours1 = contours_info(src)
contours2 = contours_info(src2)

# 几何矩计算后进行hu矩计算
mm2 = cv.moments(contours2[0])
hum2 = cv.HuMoments(mm2)

# 轮廓匹配
for c in range(len(contours1)):
    mm = cv.moments(contours1[c])
    hum = cv.HuMoments(mm)
    dist = cv.matchShapes(hum, hum2, cv.CONTOURS_MATCH_I1, 0)  #轮廓匹配

    if dist < 1:
        cv.drawContours(src, contours1, c, (0, 0, 255), 2, 8)  # 绘制轮廓
    print("dist %f"%(dist))

cv.imshow("contours_analysis", src)

cv.waitKey(0)
cv.destroyAllWindows()

cv.moment输入轮廓即可得出结果。我在这篇博客简单介绍过：OpenCV（python）一键入门--十五篇（矩形弧长面积计算，轮廓逼近及其横纵比过滤）

这里稍微补充一下，opencv中提供了moments()来计算图像中的中心矩(最高到三阶)，可以计算轮廓集合矩。根据几何矩可以计算图像的中心位置，得到中心位置可以计算中心距，然后可以得到hu矩。

所以，我们可以使用：

1）：cv.HuMoment

输入cv.moment过后的值，即可输出一个含有七个元素的数组。