Распознавание объектов в OpenCV
В области компьютерного зрения распознавание объектов является очень важной задачей.
OpenCV — мощная библиотека компьютерного зрения с открытым исходным кодом, предоставляющая несколько методов реализации распознавания объектов.
В этой статье подробно рассказывается, как использовать метод сопоставления с шаблоном в OpenCV (cv2.matchTemplate()) для распознавания объектов.
Что такое сопоставление с шаблоном?
Сопоставление с шаблоном — это метод поиска области изображения, наиболее похожей на заданное изображение-шаблон.
Проще говоря, сопоставление с шаблоном — это процесс поиска части большого изображения, которая лучше всего соответствует изображению-шаблону (т. е. объекту, который мы хотим распознать). Этот метод подходит для случаев, когда размер, ориентация и форма объекта на изображении остаются практически неизменными.
Изображение-шаблон:Фрагмент изображения целевого объекта.
Поисковое изображение:Изображение, подлежащее обнаружению.
Результат сопоставления:Отражает распределение сходства изображения-шаблона в поисковом изображении.
Основные принципы сопоставления с шаблоном
Основной принцип сопоставления с шаблоном заключается в перемещении изображения-шаблона по целевому изображению, вычислении сходства в каждой позиции и поиске позиции с наибольшим сходством. OpenCV предоставляет несколько методов вычисления сходства, таких как сопоставление по квадрату разности (cv2.TM_SQDIFF), нормализованное сопоставление по квадрату разности (cv2.TM_SQDIFF_NORMED), сопоставление по взаимной корреляции (cv2.TM_CCORR), нормализованное сопоставление по взаимной корреляции (cv2.TM_CCORR_NORMED), сопоставление по коэффициенту корреляции (cv2.TM_CCOEFF) и нормализованное сопоставление по коэффициенту корреляции (cv2.TM_CCOEFF_NORMED)。
Сценарии применения
- Распознавание объектов: используется для локализации конкретных объектов на изображении, таких как логотипы, значки и т. д.
- Отслеживание объектов: используется для отслеживания целевого объекта на видео.
- Совмещение изображений: используется для выравнивания двух изображений.
Этапы реализации сопоставления с шаблоном
Загрузите изображение:Считайте искомое изображение и изображение-шаблон.
Сопоставление с шаблоном:Используйте
cv2.matchTemplate()чтобы найти изображение-шаблон в искомом изображении.Получите результат сопоставления:Используйте
cv2.minMaxLoc()чтобы получить местоположение наилучшего совпадения.Нарисуйте результат сопоставления:Нарисуйте совпавшую область на изображении поиска.
Отобразите результат:Отобразите результат сопоставления.
Методы сопоставления
OpenCV предоставляет несколько методов сопоставления шаблонов, которые можно указать через третий параметр cv2.matchTemplate():
| Метод | Описание |
|---|---|
cv2.TM_SQDIFF | Сопоставление по квадрату разности; чем меньше значение, тем выше совпадение. |
cv2.TM_SQDIFF_NORMED | Нормализованное сопоставление по квадрату разности; чем меньше значение, тем выше совпадение. |
cv2.TM_CCORR | Сопоставление по взаимной корреляции; чем больше значение, тем выше совпадение. |
cv2.TM_CCORR_NORMED | Нормализованное сопоставление по взаимной корреляции; чем больше значение, тем выше совпадение. |
cv2.TM_CCOEFF | Сопоставление по коэффициенту корреляции; чем больше значение, тем выше совпадение. |
cv2.TM_CCOEFF_NORMED | Нормализованное сопоставление по коэффициенту корреляции; чем больше значение, тем выше совпадение. |
Использованиеcv2.matchTemplate()для распознавания объектов
1. Импортируйте необходимые библиотеки
Сначала нам нужно импортировать библиотеки OpenCV и NumPy.
NumPy — это фундаментальная библиотека для научных вычислений в Python, а OpenCV использует массивы NumPy для хранения данных изображений.
Пример
import numpy as np
2. Загрузите изображение и шаблон
Далее нам нужно загрузить целевое изображение и изображение-шаблон.
Целевое изображение — это изображение, в котором мы хотим найти объект, а изображение-шаблон — это объект, который мы хотим распознать.
Пример
img = cv2.imread('target_image.jpg', 0)
template = cv2.imread('template_image.jpg', 0)
3. Получите размеры изображения-шаблона
Чтобы перемещать изображение-шаблон по целевому изображению, нам нужно знать ширину и высоту изображения-шаблона.
Пример
w, h = template.shape[::-1]
4. Выполните сопоставление с шаблоном
Используйтеcv2.matchTemplate()функция для выполнения сопоставления с шаблоном.
Эта функция возвращает матрицу результатов, где каждый элемент представляет собой меру сходства между соответствующей позицией на целевом изображении и изображением шаблона.
Пример
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
5. Установите порог сопоставления и найдите местоположение совпадения
Мы можем задать порог, чтобы определить, успешно ли совпадение.
Затем используйтеcv2.minMaxLoc()функцию для поиска позиций максимального и минимального значений в матрице результатов.
Пример
threshold = 0.8
# Найти местоположение совпадения
loc = np.where(res >= threshold)
6. Отметьте местоположение совпадения на целевом изображении
Наконец, мы можем отметить позицию на целевом изображении, которая соответствует шаблону.
Обычно мы используем прямоугольник, чтобы отметить область совпадения.
Пример
for pt in zip(*loc[::-1]):
cv2.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0, 255, 0), 2)
# Отобразить результирующее изображение
cv2.imshow('Сопоставленное изображение', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
Полный код
Ниже приведён полный пример кода, показывающий, как использоватьcv2.matchTemplate()для выполнения распознавания объектов.
Пример
import numpy as np
# Загрузка целевого изображения и изображения-шаблона
img = cv2.imread('target_image.jpg', 0)
template = cv2.imread('template_image.jpg', 0)
# Получение размеров изображения-шаблона
w, h = template.shape[::-1]
# Выполнить сопоставление с шаблоном
res = cv2.matchTemplate(img, template, cv2.TM_CCOEFF_NORMED)
# Установить порог сопоставления
threshold = 0.8
# Найти местоположение совпадения
loc = np.where(res >= threshold)
# Отметить местоположение совпадения на целевом изображении
for pt in zip(*loc[::-1]):
cv2.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0, 255, 0), 2)
# Отобразить результирующее изображение
cv2.imshow('Сопоставленное изображение', img)
cv2.waitKey(0)
cv2.destroyAllWindows()