2019-06-01 20:57:00 a58456148 阅读数 15
  • OpenCV3.2 Java图像处理视频学习教程

    OpenCV3.2 Java图像处理视频培训课程:基于OpenCV新版本3.2.0详细讲述Java OpenCV图像处理部分内容,包括Mat对象使用、图像读写、 基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。主要内容包括opencv像素操作、滤波、边缘提取、直线与圆检测、形态学操作与分水岭、图像金子塔融合重建、多尺度模板匹配、opencv人脸检测、OpenCV跟Tomcat使用实现服务器端图像处理服务。

    4276 人正在学习 去看看 贾志刚

演示用局部图片匹配整张图片

VS2017 + OpenCV4.0.1编译

 1 #include <iostream>
 2 #include <opencv2/opencv.hpp>
 3 #include <opencv2/core.hpp>
 4 #include <opencv2/highgui.hpp>
 5 #include <opencv2/imgproc.hpp>
 6 using namespace std;
 7 using namespace cv;
 8 
 9 //定义全局变量
10 Mat src, temp, res;
11 
12 //显示窗口名
13 string img_window = "source image";
14 string res_window = "result image";
15 
16 int match_method;
17 int max_tracker = 5;
18 
19 //滑动条回调函数
20 void match(int pos, void*)
21 {
22     Mat subImg;
23     src.copyTo(subImg);//拷贝副本
24     int res_row = src.rows - temp.rows + 1;
25     int res_col = src.cols - temp.cols + 1;
26     res.create(res_row, res_col, CV_32FC1);//创建结果矩阵
27 
28     //模板匹配
29     matchTemplate(subImg, temp, res, match_method);
30     normalize(res, res, 0, 1, NORM_MINMAX, -1, Mat());
31 
32     //定位
33     double minVal, maxVal;
34     Point minLoc, maxLoc, matchLoc;
35     minMaxLoc(res, &minVal, &maxVal, &minLoc, &maxLoc, Mat());
36 
37     //分类讨论
38     if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED)
39         matchLoc = minLoc;
40     else
41         matchLoc = maxLoc;
42 
43     //矩形框显示匹配结果
44     rectangle(subImg, matchLoc, Point(matchLoc.x + temp.cols, matchLoc.y + temp.rows), Scalar(0, 255, 0), 2);
45     rectangle(res, matchLoc, Point(matchLoc.x + temp.cols, matchLoc.y + temp.rows), Scalar(0, 255, 0), 2);
46     
47     imshow(img_window, subImg);
48     imshow(res_window, res);
49 }
50 
51 int main()
52 {
53     //读入原图和模板图
54     src = imread("D:\\trashBox\\testIMG\\memory.jpg");
55     temp = imread("D:\\trashBox\\testIMG\\temp.png");
56     imshow("模板", temp);
57     
58     //创建显示窗口
59     namedWindow(img_window);
60     namedWindow(res_window);
61 
62     //创建滑动条
63     match(2, 0);
64     createTrackbar("匹配方法", img_window, &match_method, max_tracker, match);
65     
66     waitKey(0);
67     return 0;
68 }

参考资料

【1】http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/template_matching/template_matching.html#template-matching

转载于:https://www.cnblogs.com/yocichen/p/10960967.html

2019-01-20 17:04:18 qq_42887760 阅读数 211
  • OpenCV3.2 Java图像处理视频学习教程

    OpenCV3.2 Java图像处理视频培训课程:基于OpenCV新版本3.2.0详细讲述Java OpenCV图像处理部分内容,包括Mat对象使用、图像读写、 基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。主要内容包括opencv像素操作、滤波、边缘提取、直线与圆检测、形态学操作与分水岭、图像金子塔融合重建、多尺度模板匹配、opencv人脸检测、OpenCV跟Tomcat使用实现服务器端图像处理服务。

    4276 人正在学习 去看看 贾志刚

模板匹配介绍

我们需要2幅图像:

  • 原图像 (I): 在这幅图像里,我们希望找到一块和模板匹配的区域
  • 模板 (T): 将和原图像比照的图像块
    在这里插入图片描述
  • 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,从上向下计算模板图像与重叠子图像的匹配度,匹配程度越大,两者相同的可能性越大。

模板匹配原理

  • 我们的目标是检测最匹配模板的原图像的区域:
    在这里插入图片描述
  • 为了确定匹配模板区域, 我们不得不滑动模板图像和原图像进行比较 :
    在这里插入图片描述
  • 对于 模板(T) 覆盖在 原图像 (I) 上的每个位置,你把度量值保存 到 结果图像矩阵 ( R ) 中. 在 R 中的每个位置 (x,y) 都包含匹配度量值:
    在这里插入图片描述
  • 上图(右)就是 TM_CCORR_NORMED 方法处理后的结果图像 R . 最白的位置代表最高的匹配. 正如您所见, 黑色框住的位置很可能是结果图像矩阵中的最大数值, 所以这个区域 (以这个点为顶点,长宽和模板图像一样大小的矩阵) 被认为是匹配的.
  • 实际上, 我们使用函数 minMaxLoc 来定位在矩阵 R 中的最大值点 (或者最小值, 根据函数输入的匹配参数) .

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())
src:输入图像。
minVal:在矩阵 src中存储的最小值,可输入NULL表示不需要。
maxVal :在矩阵 src中存储的最大值,可输入NULL表示不需要。
minLoc:在结果矩阵中最小值的坐标,可输入NULL表示不需要,Point类型。
maxLoc:在结果矩阵中最大值的坐标,可输入NULL表示不需要,Point类型。
mask:可选的掩模

模板匹配介绍 – 匹配算法介绍

OpenCV中提供了六种常见的匹配算法如下:

  • 计算平方不同 : 计算出来的值越小,越相关 TM_SQDIFF = 0
    在这里插入图片描述
  • 计算相关性: 计算出来的值越大,越相关 TM_CCORR = 2
    在这里插入图片描述
  • 计算相关系数: 计算出来的值越大,越相关 TM_CCOEFF = 4
    在这里插入图片描述
  • 计算归一化平方不同 : 计算出来的值越接近0,越相关 TM_SQDIFF_NORMED = 1
    在这里插入图片描述
  • 计算归一化相关性: 计算出来的值越接近1,越相关 TM_CCORR_NORMED = 3
    在这里插入图片描述
  • 计算归一化相关系数: 计算出来的值越接近1,越相关 TM_CCOEFF_NORMED = 5
    在这里插入图片描述

在这里插入图片描述

相关API介绍cv::matchTemplate

matchTemplate(
InputArray image,// 源图像,必须是8-bit或者32-bit浮点数图像
InputArray templ,// 模板图像,类型与输入图像一致
OutputArray result,// 输出结果,必须是单通道32位浮点数,假设源图像WxH,模板图像wxh, 则结果必须为W-w+1, H-h+1的大小。
int method,//使用的匹配方法
InputArray mask=noArray()//(optional)
)

在这里插入图片描述

程序代码

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
 
// 定义一些全局变量, 例如原图像(img), 模板图像(templ) 和结果图像(result) , 
// 还有匹配方法以及窗口名称:
Mat img, templ, result;
char* image_window = "Source Image";
char* result_window = "Result window";
 
int match_method = TM_SQDIFF;
int max_Trackbar = 5;

void MatchingMethod( int, void* );
 
int main( int argc, char** argv )
{
	// 1. 载入原图像和模板块
	img = imread("E:/Experiment/OpenCV/Pictures/TargetSearch.jpg");
	templ = imread("E:/Experiment/OpenCV/Pictures/Target.jpg");
	imshow("模板图像",templ);
 
	// 创建窗口
	namedWindow( image_window, CV_WINDOW_AUTOSIZE );
	namedWindow( result_window, CV_WINDOW_AUTOSIZE );
 
	// 2. 创建滑动条并输入将被使用的匹配方法. 一旦滑动条发生改变,回调函数 MatchingMethod 就会被调用.
	char* trackbar_label = "模板匹配方式";
	createTrackbar( trackbar_label, image_window, &match_method, max_Trackbar, MatchingMethod );
 
	MatchingMethod( 0, 0 );
 
	waitKey(0);
	return 0;
}

void MatchingMethod( int, void* )
{
	// 将被显示的原图像
	Mat img_display;
	img.copyTo( img_display );
 
	// 创建输出结果的矩阵
	int result_cols =  img.cols - templ.cols + 1;
	int result_rows = img.rows - templ.rows + 1;
	// 创建了一幅用来存放匹配结果的输出图像矩阵. 仔细看看输出矩阵的大小(它包含了所有可能的匹配位置)
	result.create( result_cols, result_rows, CV_32FC1 );
 
	// 执行模板匹配操作,并对结果进行归一化:
	matchTemplate( img, templ, result, match_method );
	normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );
 
	// 通过函数 minMaxLoc 定位最匹配的位置
	double minVal, maxVal; 
	Point minLoc, maxLoc;
	Point matchLoc;
	
	//通过使用函数 minMaxLoc ,我们确定结果矩阵 R 的最大值和最小值的位置.
	minMaxLoc( result, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );//寻找result中最大值,最小值,及它们所在的位置
 
	// 对于方法 SQDIFF 和 SQDIFF_NORMED, 越小的数值代表更高的匹配结果. 而对于其他方法, 数值越大匹配越好
	if( match_method  == CV_TM_SQDIFF || match_method == CV_TM_SQDIFF_NORMED ){ 
		matchLoc = minLoc; 
	}else{ 
		matchLoc = maxLoc; 
	}
 
	// 绘制矩形
	rectangle( img_display, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
	rectangle( result, matchLoc, Point( matchLoc.x + templ.cols , matchLoc.y + templ.rows ), Scalar::all(0), 2, 8, 0 );
 
	imshow( image_window, img_display );
	imshow( result_window, result );
 
	return;
}


运行结果

在这里插入图片描述
在这里插入图片描述

参考博客

  1. https://blog.csdn.net/LYKymy/article/details/83210432 (我觉得他写的比我好,推荐阅读)
  2. https://blog.csdn.net/huanghuangjin/article/details/81180568
2019-07-14 00:47:46 qq_34814092 阅读数 854
  • OpenCV3.2 Java图像处理视频学习教程

    OpenCV3.2 Java图像处理视频培训课程:基于OpenCV新版本3.2.0详细讲述Java OpenCV图像处理部分内容,包括Mat对象使用、图像读写、 基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。主要内容包括opencv像素操作、滤波、边缘提取、直线与圆检测、形态学操作与分水岭、图像金子塔融合重建、多尺度模板匹配、opencv人脸检测、OpenCV跟Tomcat使用实现服务器端图像处理服务。

    4276 人正在学习 去看看 贾志刚

Java OpenCV-4.0.0 图像处理22 图像模板匹配

Java OpenCV-4.0.0 图像处理 图像模板匹配

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。

package comxu.opencv.image;

import org.opencv.core.Core;
import org.opencv.core.Core.MinMaxLocResult;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.core.Scalar;
import org.opencv.highgui.HighGui;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;


/**  
 * 
 * @Title: Image.java   
 * @Package com.xu.opencv   
 * @Description: TODO   
 * @author: xuhyacinth     
 * @date: 2019年7月13日 下午12:10:14   
 * @version: V-1.0 
 * @Copyright: 2019 xuhyacinth
 *
 */
public class Image {

	static {
		System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
	}


	public static void main(String[] args) {
		templete(Imgproc.TM_SQDIFF_NORMED);
	}

	/**
	 * OpenCV-4.1.0 模板匹配
	 * <table border="1" cellpadding="8"> 
	 * <tr><th>输入参数</th><th>参数解释</th></tr> 
	 * <tr><td align="left">TM_SQDIFF是平方差匹配、TM_SQDIFF_NORMED是标准平方差匹配</td><td>利用平方差来进行匹配,最好匹配为0.匹配越差,匹配值越大。</td></tr> 
	 * <tr><td align="left">TM_CCORR是相关性匹配、TM_CCORR_NORMED是标准相关性匹配</td><td>采用模板和图像间的乘法操作,数越大表示匹配程度较高, 0表示最坏的匹配效果。</td></tr> 
	 * <tr><td align="left">TM_CCOEFF是相关性系数匹配、TM_CCOEFF_NORMED是标准相关性系数匹配</td><td>将模版对其均值的相对值与图像对其均值的相关值进行匹配,1表示完美匹配,-1表示糟糕的匹配,0表示没有任何相关性(随机序列)。</td></tr> 
	 * <tr><td colspan="2">随着从简单的测量(平方差)到更复杂的测量(相关系数),我们可获得越来越准确的匹配(同时也意味着越来越大的计算代价)。</td></tr> 
	 * <tr><td colspan="2">相关性是越接近1越大越好,平方差是越小越好,所以TM_SQDIFF在使用时和其他的是有所区别的。</td></tr> 
	 * <tr><td colspan="2">模板匹配结果Mat要是32位的。</td></tr> 
	 * </table>
	 * @return: void  
	 * @date: 2019年5月7日12:16:55
	 */
	public static void templete(int method) {
		// 1 获取待匹配图片
		Mat templete=Imgcodecs.imread("C:\\Users\\hyacinth\\Pictures\\Camera Roll\\templete01.jpg");
		// 2 获取匹配模板
		Mat demo=Imgcodecs.imread("C:\\Users\\hyacinth\\Pictures\\Camera Roll\\templete02.jpg");

		int width=templete.cols()-demo.cols()+1;
		int height=templete.rows()-demo.rows()+1;
		// 3 创建32位模板匹配结果Mat
		Mat result=new Mat(width,height,CvType.CV_32FC1);
		// 4 调用 模板匹配函数
		Imgproc.matchTemplate(templete, demo, result, method);
		// 5 归一化
		Core.normalize(result, result,0, 1, Core.NORM_MINMAX, -1, new Mat());  
		// 6 获取模板匹配结果
		MinMaxLocResult mmr = Core.minMaxLoc(result);
		// 7 绘制匹配到的结果
		double x,y;
		if (method==Imgproc.TM_SQDIFF_NORMED || method==Imgproc.TM_SQDIFF) {
			x = mmr.minLoc.x;
			y = mmr.minLoc.y;
		} else {
			x = mmr.maxLoc.x;
			y = mmr.maxLoc.y;
		}
		Imgproc.rectangle(templete,new Point(x,y),new Point(x+demo.cols(),y+demo.rows()),new Scalar( 0, 0, 255),2,Imgproc.LINE_AA);
		Imgproc.putText(templete,"Match Success",new Point(x,y),Imgproc.FONT_HERSHEY_SCRIPT_COMPLEX, 1.0, new Scalar(0, 255, 0),1,Imgproc.LINE_AA);
		// 8 显示结果
		HighGui.imshow("模板匹配", templete);
		HighGui.waitKey(0);

	}

}

模板匹配

2012-04-09 23:20:24 itcdbb 阅读数 1100
  • OpenCV3.2 Java图像处理视频学习教程

    OpenCV3.2 Java图像处理视频培训课程:基于OpenCV新版本3.2.0详细讲述Java OpenCV图像处理部分内容,包括Mat对象使用、图像读写、 基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。主要内容包括opencv像素操作、滤波、边缘提取、直线与圆检测、形态学操作与分水岭、图像金子塔融合重建、多尺度模板匹配、opencv人脸检测、OpenCV跟Tomcat使用实现服务器端图像处理服务。

    4276 人正在学习 去看看 贾志刚
模板匹配的基本概念
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 位图像(其1 个像素由1 个字节描述)为例,模板T( m × n 个像素)叠放在被搜
索图S( W × H 个像素)上平移,模板覆盖被搜索图的那块区域叫子图Sij。i,j为子图
左上角在被搜索图S 上的坐标。搜索范围是:
1 ≤ i ≤ W – M
1 ≤ j ≤ H – N
通过比较T 和Sij 的相似性,完成模板匹配过程。
2010-09-04 22:24:00 tlovet1314 阅读数 2538
  • OpenCV3.2 Java图像处理视频学习教程

    OpenCV3.2 Java图像处理视频培训课程:基于OpenCV新版本3.2.0详细讲述Java OpenCV图像处理部分内容,包括Mat对象使用、图像读写、 基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。主要内容包括opencv像素操作、滤波、边缘提取、直线与圆检测、形态学操作与分水岭、图像金子塔融合重建、多尺度模板匹配、opencv人脸检测、OpenCV跟Tomcat使用实现服务器端图像处理服务。

    4276 人正在学习 去看看 贾志刚

 利用电脑来实现图像识别和分割是非常困难的,人脑可以从很复杂的景物中分开并识别每个物体,甚至可以毫不费力地跟上每秒好几十帧变化的图象。而对于计算机来说,要达到人脑的识别水平是相当困难。因为实现复杂,这里只是一些最基本,最简单的算法和思想,针对也只能是一些具体(而不是通用)的应用。算法共有三个:投影法、差影法和模板匹配。

 

8.1 投影法

1.定义:投影法结果类似于灰度直方图,通过垂直或水平投影确定识别目标的垂直或水平位置。

 

2.实现方法:

1)去除噪声(由于噪声点对投影有一定的影响,所以处理前最好先做一次平滑)。

2)将图像进行阈值化(为了使处理想过更好);

3)二值化(方便后期统计处理);

4)做垂直或水平投影(统计每行(或每列)白点(或黑点)的个数,再形成相应的直方图)。

 

8.2 差影法

差影法的原理非常简单:将前后两幅图象相减,得到的差作为结果结果图象。差影法是非常有用的,可以用在监控系统中,电影“阿甘正传”特技中应用了“蓝幕”技术,其实也包含了差影法的原理。

 

8.3 模板匹配

所谓模板匹配,其实想法很简单:拿已知的模板(在本例中为足球的图象),和原图象中同样大小的一块区域去对,可以用平方误差之和来衡量原图中的块和模板之间的差别。

因为需要一个个象素的平移和匹配,所以运算量相当庞大

 

呵呵~ 好像习惯了每章内容都写一点感想!这章内容虽然电子书上介绍的很少,但深刻感受到,这部分的内容有很多,也有专门的学派在研究图像识别。以前经常在电视上看到很多关于图像识别的技术,都挺感兴趣的,不过真要深究这方面的话,还是比较麻烦的!涉及的算法太多。。。

9号就开学了,还剩两章内容没有看,得加油啦!

   

    每个人不同,所以每个人的路不同。对于不同人来说,成功的终点也会不同,所以只要朝着自己的方向,用自己的方法去活者就好,每天多努力一点。。。

没有更多推荐了,返回首页