使用opencv自帶的模板匹配
1、目標匹配函數：cv2.matchTemplate()
res=cv2.matchTemplate(image, templ, method, result=None, mask=None)
image：待搜索圖像
templ：模板圖像
result：匹配結果
method：計算匹配程度的方法,主要有以下幾種：
- CV_TM_SQDIFF 平方差匹配法：該方法采用平方差來進行匹配；最好的匹配值為0；匹配越差，匹配值越大。
- CV_TM_CCORR 相關匹配法：該方法采用乘法操作；數值越大表明匹配程度越好。
- CV_TM_CCOEFF 相關系數匹配法：1表示完美的匹配；-1表示最差的匹配。
- CV_TM_SQDIFF_NORMED 計算歸一化平方差，計算出來的值越接近0，越相關
- CV_TM_CCORR_NORMED 計算歸一化相關性，計算出來的值越接近1，越相關
- CV_TM_CCOEFF_NORMED 計算歸一化相關系數，計算出來的值越接近1，越相關
待檢測的圖片如下，需要檢測里面金幣的位置
需要檢測金幣的模板如下：
2、基本的多對象模板匹配效果代碼如下：
import cv2
import numpy as np
img_rgb = cv2.imread('mario.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐標
loc = np.where(res >= threshold)
#np.where返回的坐標值(x,y)是(h,w)，注意h,w的順序
for pt in zip(*loc[::-1]):
bottom_right = (pt[0] + w, pt[1] + h)
cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
cv2.imwrite("001.jpg",img_rgb)
cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)
檢測效果如下：
通過上圖可以看到對同一個圖有多個框標定，需要去重，只需要保留一個
解決方案：對于使用同一個待檢區域使用NMS進行去掉重復的矩形框
3、使用NMS對模板匹配出來的矩形框進行去掉臨近重復的，代碼如下：
import cv2
import time
import numpy as np
def py_nms(dets, thresh):
"""Pure Python NMS baseline."""
#x1、y1、x2、y2、以及score賦值
# （x1、y1）（x2、y2）為box的左上和右下角標
x1 = dets[:, 0]
y1 = dets[:, 1]
x2 = dets[:, 2]
y2 = dets[:, 3]
scores = dets[:, 4]
#每一個候選框的面積
areas = (x2 - x1 + 1) * (y2 - y1 + 1)
#order是按照score降序排序的
order = scores.argsort()[::-1]
# print("order:",order)
keep = []
while order.size > 0:
i = order[0]
keep.append(i)
#計算當前概率最大矩形框與其他矩形框的相交框的坐標，會用到numpy的broadcast機制，得到的是向量
xx1 = np.maximum(x1[i], x1[order[1:]])
yy1 = np.maximum(y1[i], y1[order[1:]])
xx2 = np.minimum(x2[i], x2[order[1:]])
yy2 = np.minimum(y2[i], y2[order[1:]])
#計算相交框的面積,注意矩形框不相交時w或h算出來會是負數，用0代替
w = np.maximum(0.0, xx2 - xx1 + 1)
h = np.maximum(0.0, yy2 - yy1 + 1)
inter = w * h
#計算重疊度IOU：重疊面積/（面積1+面積2-重疊面積）
ovr = inter / (areas[i] + areas[order[1:]] - inter)
#找到重疊度不高于閾值的矩形框索引
inds = np.where(ovr = thresh)[0]
# print("inds:",inds)
#將order序列更新，由于前面得到的矩形框索引要比矩形框在原order序列中的索引小1，所以要把這個1加回來
order = order[inds + 1]
return keep
def template(img_gray,template_img,template_threshold):
'''
img_gray:待檢測的灰度圖片格式
template_img:模板小圖，也是灰度化了
template_threshold:模板匹配的置信度
'''
h, w = template_img.shape[:2]
res = cv2.matchTemplate(img_gray, template_img, cv2.TM_CCOEFF_NORMED)
start_time = time.time()
loc = np.where(res >= template_threshold)#大于模板閾值的目標坐標
score = res[res >= template_threshold]#大于模板閾值的目標置信度
#將模板數據坐標進行處理成左上角、右下角的格式
xmin = np.array(loc[1])
ymin = np.array(loc[0])
xmax = xmin+w
ymax = ymin+h
xmin = xmin.reshape(-1,1)#變成n行1列維度
xmax = xmax.reshape(-1,1)#變成n行1列維度
ymax = ymax.reshape(-1,1)#變成n行1列維度
ymin = ymin.reshape(-1,1)#變成n行1列維度
score = score.reshape(-1,1)#變成n行1列維度
data_hlist = []
data_hlist.append(xmin)
data_hlist.append(ymin)
data_hlist.append(xmax)
data_hlist.append(ymax)
data_hlist.append(score)
data_hstack = np.hstack(data_hlist)#將xmin、ymin、xmax、yamx、scores按照列進行拼接
thresh = 0.3#NMS里面的IOU交互比閾值
keep_dets = py_nms(data_hstack, thresh)
print("nms time:",time.time() - start_time)#打印數據處理到nms運行時間
dets = data_hstack[keep_dets]#最終的nms獲得的矩形框
return dets
if __name__ == "__main__":
img_rgb = cv2.imread('mario.jpg')#需要檢測的圖片
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)#轉化成灰色
template_img = cv2.imread('mario_coin.jpg', 0)#模板小圖
template_threshold = 0.8#模板置信度
dets = template(img_gray,template_img,template_threshold)
count = 0
for coord in dets:
cv2.rectangle(img_rgb, (int(coord[0]),int(coord[1])), (int(coord[2]),int(coord[3])), (0, 0, 255), 2)
cv2.imwrite("result.jpg",img_rgb)
檢測效果如下所示：
參考資料：
https://blog.csdn.net/qq_39507748/article/details/104598222
https://docs.opencv.org/3.4/d4/dc6/tutorial_py_template_matching.html
https://blog.csdn.net/mdjxy63/article/details/81037860
https://github.com/rbgirshick/fast-rcnn/blob/master/lib/utils/nms.py
https://www.pyimagesearch.com/2015/02/16/faster-non-maximum-suppression-python/
到此這篇關于opencv模板匹配相同位置去除重復的框的文章就介紹到這了,更多相關opencv模板匹配內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- OpenCV-Python模板匹配人眼的實例
- OpenCV-Python實現多模板匹配
- python基于OpenCV模板匹配識別圖片中的數字
- Python開發之基于模板匹配的信用卡數字識別功能
- OpenCV 模板匹配
- OpenCV半小時掌握基本操作之模板匹配
