目錄

• 【day1】8.20號實(shí)驗(yàn)記錄（初步使用模板匹配）
• • 模板匹配
  • 單張圖的代碼
  • 利用多個(gè)模板去匹配多張圖的代碼
  • • 寫代碼過程中遇到的問題

【day1】8.20號實(shí)驗(yàn)記錄（初步使用模板匹配）

模板匹配

利用模板匹配可以框定出瓶子，但是卻不能分辨哪種瓶子是哪種瓶子。
對同一張圖片用不同的模板去進(jìn)行匹配，選擇匹配度最高的作為最終的結(jié)果。
而且這種匹配受到模板大小的限制。若是攝像頭固定，視角固定，那這個(gè)問題可以解決。

單張圖的代碼

#include <opencv2/opencv.hpp> #include "opencv2/features2d.hpp" #include <vector> #include <algorithm> #include <iostream> #include "windows.h" #include <stdio.h> #include <time.h> #include <math.h> #define WINDOW_NAME "【程序窗口】" using namespace cv; using namespace std; int main() {//改變控制臺字體顏色system("color 02");Mat srcImage=imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\圓1.png"); //測試圖Mat tempMat = imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\方template.png"); //模板圖//Mat srcImage=imread("D:\\opencv_picture_test\\img.png"); //測試圖//Mat tempMat = imread("D:\\opencv_picture_test\\template.png"); //模板圖cout << tempMat.cols << endl;cout << tempMat.rows << endl;Mat refMat;Mat resultMat;Mat dispMat;tempMat.copyTo(refMat);int match_method = TM_CCOEFF_NORMED;//采用模板與目標(biāo)圖像像素與各自圖像的平均值計(jì)算dot product，正值越大匹配度越高，負(fù)值越大圖像的區(qū)別越大，但如果圖像沒有明顯的特征（即圖像中的像素值與平均值接近）則返回值越接近0；matchTemplate(srcImage, refMat, resultMat, match_method);normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat()); //歸一化double minVal; double maxVal; Point minLoc; Point maxLoc; Point matchLoc; //定義最大值最小值以及它們的位置變量minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat()); //從結(jié)果矩陣中找到匹配度最大以及最小的值并且確定其位置//對于方法SQDIFF和SQDIFF_NORMED兩種方法來講，越小的值就有著更高的匹配結(jié)果//而其余的方法則是數(shù)值越大匹配效果越好if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED)matchLoc = minLoc;elsematchLoc = maxLoc;srcImage.copyTo(dispMat);//circle(dispMat, matchLoc, 5, Scalar(0, 0, 255), 2, 8, 0);//以最佳匹配點(diǎn)為中心繪制與模板相同大小的框rectangle(dispMat, matchLoc, Point(matchLoc.x + refMat.cols, matchLoc.y + refMat.rows), Scalar::all(0), 2, 8, 0);namedWindow("template", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮imshow("template", refMat);namedWindow("srcImage", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮imshow("srcImage", dispMat);waitKey(0);return 0; }

利用多個(gè)模板去匹配多張圖的代碼

寫代碼過程中遇到的問題

1、要理解好result矩陣的含義
2、match_method 要多試幾種
3、不同模板對同一張測試圖匹配后得到的result數(shù)組中，不需要對其歸一化，不然會發(fā)現(xiàn)，每個(gè)模板的最佳值都是1（使用TM_CCORR_NORMED時(shí)），這樣就比較不了了。

#include <opencv2/opencv.hpp> #include "opencv2/features2d.hpp" #include <vector> #include <algorithm> #include <iostream> #include "windows.h" #include <stdio.h> #include <time.h> #include <math.h> #define WINDOW_NAME "【程序窗口】" using namespace cv; using namespace std;void show_text(int nums) {if (nums == 0){cout << "方" << endl;}else if (nums == 1){cout << "v圓" << endl;}else if (nums == 2){cout << "圓" << endl;}else if (nums == 3){cout << "小" << endl;}else if (nums == 4){cout << "中" << endl;}else{cout << "無" << endl;} } int main() {//改變控制臺字體顏色system("color 02");//創(chuàng)建模板vectorvector<Mat>tempMat;//插入模板元素Mat temp = imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\方template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\v圓template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\圓template.png");tempMat.push_back(temp);temp = imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\小template.png");tempMat.push_back(temp);temp= imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\中template.png");tempMat.push_back(temp);Mat tempMat1 = tempMat[0];Mat tempMat2 = tempMat[1];Mat tempMat3 = tempMat[2];Mat tempMat4 = tempMat[3];Mat tempMat5 = tempMat[4];//獲取模板數(shù)目int tempMat_Nums = tempMat.size();//獲取測試圖像Mat srcImage=imread("D:\\opencv_picture_test\\視覺項(xiàng)目\\v圓1.png"); //測試圖Mat resultMat;Mat dispMat;int match_method = TM_CCORR_NORMED; //經(jīng)過試錯(cuò)發(fā)現(xiàn)此參數(shù)較好。//用每個(gè)模板去匹配測試圖，并且找出每次結(jié)果的最佳匹配值，將值存入vector中vector<double>goodval;vector<Point>goodlock;int matchnum = 0;Point matchLoc;for (int i = 0;i < tempMat_Nums;i++){//采用模板與目標(biāo)圖像像素與各自圖像的平均值計(jì)算dot product，正值越大匹配度越高，負(fù)值越大圖像的區(qū)別越大，但如果圖像沒有明顯的特征（即圖像中的像素值與平均值接近）則返回值越接近0；matchTemplate(srcImage, tempMat[i], resultMat, match_method);//不歸一化，因?yàn)椴煌０鍤w一化后的最佳值皆為1，無法比較//normalize(resultMat, resultMat, 0, 1, NORM_MINMAX, -1, Mat()); //歸一化double minVal; double maxVal; Point minLoc; Point maxLoc; //定義最大值最小值以及它們的位置變量minMaxLoc(resultMat, &minVal, &maxVal, &minLoc, &maxLoc, Mat()); //從結(jié)果矩陣中找到匹配度最大以及最小的值并且確定其位置//對于方法SQDIFF和SQDIFF_NORMED兩種方法來講，越小的值就有著更高的匹配結(jié)果//而其余的方法則是數(shù)值越大匹配效果越好if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED){goodlock.push_back(minLoc);goodval.push_back(minVal);}else{goodlock.push_back(maxLoc);goodval.push_back(maxVal);}cout << i << " "<<maxVal << endl;}//找到goodval中最佳的一組if (match_method == TM_SQDIFF || match_method == TM_SQDIFF_NORMED){auto goodPosition = min_element(goodval.begin(), goodval.end());matchnum = distance(begin(goodval), goodPosition);}else{auto goodPosition = max_element(goodval.begin(), goodval.end());matchnum = distance(begin(goodval), goodPosition);}show_text(matchnum);matchLoc = goodlock[matchnum];srcImage.copyTo(dispMat);//circle(dispMat, matchLoc, 5, Scalar(0, 0, 255), 2, 8, 0);//以最佳匹配點(diǎn)為中心繪制與模板相同大小的框rectangle(dispMat, matchLoc, Point(matchLoc.x + tempMat[matchnum].cols, matchLoc.y + tempMat[matchnum].rows), Scalar::all(0), 2, 8, 0);//namedWindow("template", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮//imshow("template", tempMat);namedWindow("srcImage", WINDOW_NORMAL);//WINDOW_NORMAL允許用戶自由伸縮imshow("srcImage", dispMat);waitKey(0);return 0; }

總結(jié)

以上是生活随笔為你收集整理的【视觉项目】【day1】8.20号实验记录（初步使用模板匹配）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。