个人网站建设方案模板,校园网站建设系统设计,德州网络推广,做sgs认证的公司网站文章目录 1--概念2-- 方法3 结果3.1 ROI区域的获取使用自适应目标匹配 1–概念 opencv 提供了一个专门用于模板匹配的函数 cv::matchTemplate();其调用方式如下#xff1a; void cv::matchTemplate(cv::InputArray image, // 用于搜索的输入图像, 8U 或 32F, 大小 W-Hcv::Inpu… 文章目录 1--概念2-- 方法3 结果3.1 ROI区域的获取使用自适应目标匹配 1–概念 opencv 提供了一个专门用于模板匹配的函数 cv::matchTemplate();其调用方式如下 void cv::matchTemplate(cv::InputArray image, // 用于搜索的输入图像, 8U 或 32F, 大小 W-Hcv::InputArray templ, // 用于匹配的模板和image类型相同 大小 w-hcv::OutputArray result, // 匹配结果图像, 类型 32F, 大小 (W-w1)-(H-h1)int method // 用于比较的方法 );2-- 方法 3 结果 模板匹配函数cv::MatchTemplate一次计算模板与待测图像的相似度并将结果存入映 图像result中也就是result图像中的每一个点的值代表一次相似度比较结果其中模 通过在待检测的图像上从左到右从上到下滑动每到达一个像素点就会以这个像素点 左上角顶点从原图像中截取一个与模板大小一样的图像进行像素比较的运算模板在滑动 过程中将模板和当前截取的图像的比较计算结果储存在result矩阵中result的大小为(W w1H-h1)在result中的每个位置(x,y)的值都表示以这个点为左上角顶点截取的图像 模板像素计算后的计算结果模板在待测图像上每次在横向或者纵向上每次移动一个像素点 然后进行一次比较所以横向比较W-w1次纵向比较H-h1次最终得到一个(W w1)x(H-h1)的result矩阵 3.1 ROI区域的获取使用 cv::MinMaxLoc(result,min_val,max_val,min_loco,max_loc,NULL)从result中提取最大值(相似度最高)以及最大值的位置(即在result中该最大值max_val的坐标位置max_loc即模板滑行时左上角的坐标类似于图中的坐标(x,y) 由此得到rectcvRect(max_loc.x,max_loc.y,tmp-width,tmp-height);其中rect表示最佳的匹配的矩形区域minVal参数表示返回的最小值如果不需要则使用NULL。maxVal参数表示返回的最大值如果不需要则使用NULL。minLoc参数表示返回的最小位置的指针在2D情况下 如果不需要则使用NULL。maxLoc参数表示返回的最大位置的指针在2D情况下 如果不需要则使用NULL。3.2、 代码实现
单目标匹配
#include opencv2/opencv.hpp
#include iostream
#include stdio.husing namespace std;
using namespace cv;int main()
{Mat img, templ, result; //img为待测图 templ是目标图片 result是结构图img imread(../1.jpg);templ imread(../2.jpg);//1.构建结果图像resultImg(注意大小和类型)//如果原图(待搜索图像)尺寸为W x H, 而模版尺寸为 w x h, 则结果图像尺寸一定是(W-w1)x(H-h1)//结果图像必须为单通道32位浮点型图像int result_cols img.cols - templ.cols 1; //result的尺寸大小int result_rows img.rows - templ.rows 1;result.create(result_cols, result_rows, CV_32FC1);//2.模版匹配//这里我们使用的匹配算法是标准平方差匹配 methodCV_TM_SQDIFF_NORMED数值越小匹配度越好matchTemplate(img, templ, result, CV_TM_SQDIFF_NORMED);//3.正则化(归一化到0-1)normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat());//4.找出resultImg中的最大值及其位置double minVal -1;double maxVal;Point minLoc;Point maxLoc;Point matchLoc;cout 匹配度 minVal endl;// 定位极值的函数minMaxLoc(result, minVal, maxVal, minLoc, maxLoc, Mat());cout 匹配度 minVal endl;cout minPosition: minLoc endl;cout maxPosition: maxLoc endl;matchLoc minLoc; //5.根据resultImg中的最大值位置在源图上画出矩形和中心点Point center Point(minLoc.x templ.cols / 2, minLoc.y templ.rows / 2);rectangle(img, matchLoc, Point(matchLoc.x templ.cols, matchLoc.y templ.rows), Scalar(0, 255, 0), 2, 8, 0);circle(img, center, 2, Scalar(255, 0, 0), 2);imshow(img, img);imshow(template, templ);waitKey(0);return 0;
}实时单目标识别
#include opencv2/opencv.hpp
#include iostream
using namespace std;
using namespace cv;int main()
{//1.定义VideoCapture类对象video打开摄像头VideoCapture video(0);//1.1.判断是否打开if (!video.isOpened()){cout video open error! endl;return 0;}//2.循环读取视频的每一帧对每一帧进行模版匹配while (1){//2.1.读取帧Mat frame;video frame;//2.2.对帧进行异常检测if (frame.empty()){cout frame empty endl;break;}//2.3.对帧进行模版匹配Mat tempImg imread(../1.jpg, CV_LOAD_IMAGE_COLOR);cout Size of template: tempImg.size() endl;//2.3.1.构建结果图像resultImg(注意大小和类型)//如果原图(待搜索图像)尺寸为W x H, 而模版尺寸为 w x h, 则结果图像尺寸一定是(W-w1)x(H-h1)//结果图像必须为单通道32位浮点型图像int width frame.cols - tempImg.cols 1;int height frame.rows - tempImg.rows 1;Mat resultImg(Size(width, height), CV_32FC1);//2.3.2.模版匹配matchTemplate(frame, tempImg, resultImg, CV_TM_CCOEFF_NORMED);imshow(result, resultImg);//2.3.3.正则化(归一化到0-1)normalize(resultImg, resultImg, 0, 1, NORM_MINMAX, -1);//2.3.4.找出resultImg中的最大值及其位置double minValue 0;double maxValue 0;Point minPosition;Point maxPosition;minMaxLoc(resultImg, minValue, maxValue, minPosition, maxPosition);cout minValue: minValue endl;cout maxValue: maxValue endl;cout minPosition: minPosition endl;cout maxPosition: maxPosition endl;//2.3.5.根据resultImg中的最大值位置在源图上画出矩形rectangle(frame, maxPosition, Point(maxPosition.x tempImg.cols, maxPosition.y tempImg.rows), Scalar(0, 255, 0), 1, 8);imshow(srcImg, frame);imshow(template, tempImg);if (waitKey(10) 27){cout ESC退出 endl;break;};}return 0;
}多目标模板匹配
#include opencv2/opencv.hpp
#include iostream
#include math.husing namespace std;
using namespace cv;Point getNextMinLoc(Mat result, Point minLoc, int maxValue, int templatW, int templatH);int main()
{Mat src imread(../1.jpg);Mat srcCopy src.clone();Mat temp imread(../2.jpg);Mat result;if (src.empty() || temp.empty()){cout 打开图片失败 endl;return 0;}vectorMat templat;vectorfloat minV;vectorPoint minL;int srcW, srcH, templatW, templatH, resultH, resultW;srcW src.cols;srcH src.rows;templat.push_back(temp);double minValue, maxValue;Point minLoc, maxLoc;for (int i0;i10;i){cout i : ;templatW templat[i].cols;templatH templat[i].rows;if (srcW templatW || srcH templatH){cout 模板不能比原图大 endl;return 0;}resultW srcW - templatW 1;resultH srcH - templatH 1;result.create(Size(resultW, resultH), CV_32FC1);matchTemplate(src, templat[i], result, CV_TM_SQDIFF_NORMED);minMaxLoc(result, minValue, maxValue, minLoc, maxLoc);cout min1: minValue endl;if (minValue0.070055){rectangle(srcCopy, minLoc, Point(minLoc.x templatW, minLoc.y templatH), Scalar(0, 0, 255), 2, 8, 0);Point new_minLoc;new_minLoc getNextMinLoc(result, minLoc, maxValue, templatW, templatH);float *data result.ptrfloat(new_minLoc.y);cout min2: data[new_minLoc.x] ;if (data[new_minLoc.x]0.5){cout 进这个函数了: i new_minLoc.x;cout new_minLoc.y;rectangle(srcCopy, new_minLoc, Point(new_minLoc.x templatW, new_minLoc.y templatH),Scalar(0, 255, 0), 2, 8, 0);new_minLoc getNextMinLoc(result, new_minLoc, maxValue, templatW, templatH);}float *data1 result.ptrfloat(new_minLoc.y);cout min3: data1[new_minLoc.x] endl;if (data1[new_minLoc.x] 0.4){rectangle(srcCopy, new_minLoc, Point(new_minLoc.x templatW, new_minLoc.y templatH),Scalar(255, 0, 0), 2, 8, 0);}}cout # endl;Mat temp_templat;resize(templat[i], temp_templat, Size(templat[i].cols / 1.1, templat[i].rows / 1.1));templat.push_back(temp_templat);}imshow(结果, srcCopy);waitKey(0);return 0;
}Point getNextMinLoc(Mat result, Point minLoc, int maxValue, int templatW, int templatH)
{//imshow(result, result);//cout maxvalue: maxValue endl;int startX minLoc.x - templatW / 3;int startY minLoc.y - templatH / 3;int endX minLoc.x templatW / 3;int endY minLoc.y templatH / 3;if (startX 0 || startY 0){startX 0;startY 0;}if (endX result.cols - 1 || endY result.rows - 1){endX result.cols - 1;endY result.rows - 1;}int y, x;for (y startY; y endY; y){for (x startX; x endX; x){float *data result.ptrfloat(y);data[x] maxValue;}}double new_minValue, new_maxValue;Point new_minLoc, new_maxLoc;minMaxLoc(result, new_minValue, new_maxValue, new_minLoc, new_maxLoc);//imshow(result_end, result);return new_minLoc;
}通过得到的结果我们发现我们的模板匹配好像匹配区域与模板的尺寸是一致的由此很容易产生误差或是得到并不理想的区域而在实际生活中由于待测图像与摄像头之间的距离的变换模板的大小因素的影响若是想要得到较好的匹配结果则需要我们实现自适应尺寸的模板匹配 由此我们开始进行自适应尺寸的模板匹配载入的模板图像另其进入循环每次循环缩放一定的比例在进行模板匹配最终我们得到了不同比例下的ROI区域对所有的ROI区域与我们的模板图片进行相似度的比较选出相似度最高的匹配图像同时获得最佳的匹配比例 自适应目标匹配
代码流程 1载入待测图像与模板2将模板图像等比例放大或缩小3没改变一次进行一次模板匹配4得到匹配区域的图片5将得到的ROI图片与原始模板进行相似性比较6筛选出相似性最好的ROI区域7在待测图片上进行框选8输出图片#include opencv2/opencv.hpp
#include iostream
#include stdio.husing namespace std;
using namespace cv;int pHash(Mat matSrc1, Mat matSrc2)
//int main()
{Mat matDst1, matDst2;// Mat matSrc1 imread(../1.jpg);
// Mat matSrc2 imread(../3.jpg);cv::resize(matSrc1, matDst1, cv::Size(32, 32), 0, 0, cv::INTER_CUBIC);cv::resize(matSrc2, matDst2, cv::Size(32, 32), 0, 0, cv::INTER_CUBIC);cv::cvtColor(matDst1, matDst1, CV_BGR2GRAY);cv::cvtColor(matDst2, matDst2, CV_BGR2GRAY);matDst1.convertTo(matDst1, CV_32F);matDst2.convertTo(matDst2, CV_32F);dct(matDst1, matDst1);dct(matDst2, matDst2);int iAvg1 0, iAvg2 0;int arr1[64], arr2[64];for (int i 0; i 8; i){uchar* data1 matDst1.ptruchar(i);uchar* data2 matDst2.ptruchar(i);int tmp i * 8;for (int j 0; j 8; j){int tmp1 tmp j;arr1[tmp1] data1[j];arr2[tmp1] data2[j];iAvg1 arr1[tmp1];iAvg2 arr2[tmp1];}}iAvg1 / 64;iAvg2 / 64;for (int i 0; i 64; i){arr1[i] (arr1[i] iAvg1) ? 1 : 0;arr2[i] (arr2[i] iAvg2) ? 1 : 0;}int iDiffNum 0;for (int i 0; i 64; i)if (arr1[i] ! arr2[i])iDiffNum;
// coutiDiffNumendl;return iDiffNum;
}//int main()
//{
// Mat img,templ,result;
// img imread(../1.jpg);
// templ imread(../2.jpg);
//
// int result_cols img.cols - templ.cols 1;
// int result_rows img.rows - templ.rows 1;
//
// result.create(result_cols,result_rows,CV_32FC1);
// matchTemplate(img, templ, result, CV_TM_SQDIFF_NORMED);
//
// Point minLoc;
// Point maxLoc;
// double minVal -1;
// double maxVal;
//
// minMaxLoc(result,minVal,maxVal,minLoc,maxLoc,Mat());
// coutminLoc.x:minLoc.xendl;
// coutminLoc.y:minLoc.yendl;
// coutresult_cols:result_colsendl;
//
// int ROI_rows templ.rows - 0.05*templ.rows;
// int ROI_cols templ.cols - 0.05 *templ.cols;
//
// Rect img_ROI Rect(minLoc.x, minLoc.y,ROI_rows,ROI_cols);
//
// Mat ROI img(img_ROI);
// pHash(ROI,templ);
//
//}int main()
{//加载图片Mat src_img,temp_img,result_img;src_img imread(../1.jpg);temp_img imread(../2.jpg);imshow(src_img,src_img);imshow(temp_img,temp_img);//构建结果图像结果图像必须是单通道32位浮点型图像int result_cols src_img.cols - temp_img.cols 1; //result的尺寸大小int result_rows src_img.rows - temp_img.rows 1;result_img.create(result_cols, result_rows, CV_32FC1);int n 0;//循环缩放模板图片for(int i 0; i 10; i){coutiendl;Mat temp_imgc temp_img.clone();int temp_imgc_col temp_img.cols - i * 0.05 * temp_img.cols;int temp_imgc_row temp_img.rows - i * 0.05 * temp_img.rows;resize(temp_imgc,temp_imgc,Size(temp_imgc_col,temp_imgc_row));//进行模板匹配matchTemplate(src_img,temp_imgc,result_img,0);double minVal -1;double maxVal;Point minLoc;Point maxLoc;Point matchLoc;minMaxLoc(result_img, minVal, maxVal, minLoc, maxLoc, Mat());Rect ROI Rect(minLoc.x,minLoc.y,temp_imgc_row,temp_imgc_col);Mat img_show src_img.clone();matchLoc minLoc;//5.根据resultImg中的最大值位置在源图上画出矩形和中心点Point center Point(minLoc.x temp_imgc.cols / 2, minLoc.y temp_imgc.rows / 2);rectangle(img_show, matchLoc, Point(matchLoc.x temp_imgc.cols, matchLoc.y temp_imgc.rows), Scalar(0, 255, 0), 1, 8, 0);// imshow(result,img_show);
// waitKey(0);//获取匹配得到区域Rect img_ROI Rect(matchLoc,Point(matchLoc.x temp_imgc.cols, matchLoc.y temp_imgc.rows));Mat img src_img.clone();Mat ROI_img img(img_ROI);// imshow(ROI,ROI_img);
// waitKey(0);//进行相似度比较if(pHash(ROI_img,temp_img) 20){n pHash(ROI_img,temp_img);coutnnendl;imshow(zhy, img_show);waitKey(0);}// //获取模板匹配得到的区域
// double minVal;
// double maxVal;
// Point minLoc;
// Point maxLoc;
// minMaxLoc(result_img,minVal,maxVal,minLoc,maxLoc,Mat()); //找矩阵中最小位置点的坐标
// //画出ROI区域的矩形框
// Rect ROI Rect(minLoc.x,minLoc.y,temp_imgc_row,temp_imgc_col);
//
// Mat result_img_ROI result_img(ROI);
// coutiendl;
// imshow(show,result_img_ROI);
// waitKey(0);}
}
