【计算机视觉算法与应用】模板匹配、图像配准

embedded/2024/11/30 11:21:00/

目录

1. 基于灰度值的模板匹配

2. 基于相关性的模板匹配

3. 基于形状的模板匹配

4. 基于组件的模板识别

5. 基于形变的模板匹配

6. 基于描述符的模板匹配

7. 基于点的模板匹配

性能比较


模板匹配的算法实现需要结合具体需求和应用场景来选择方法。以下是基于 OpenCV 的实现示例,用于实现以下模板匹配方法:

1. 基于灰度值的模板匹配

使用 OpenCV 的 cv2.matchTemplate 方法进行模板匹配。

import cv2
import numpy as np# 加载图像和模板
image = cv2.imread('image.jpg', 0)
template = cv2.imread('template.jpg', 0)
w, h = template.shape[::-1]# 匹配方法
result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)# 结果
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(image, top_left, bottom_right, 255, 2)
cv2.imshow('Matched Result', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

2. 基于相关性的模板匹配

相关性匹配也可以基于 cv2.matchTemplate,但使用不同的匹配模式。

result = cv2.matchTemplate(image, template, cv2.TM_CCORR_NORMED)
# 剩余代码与上面类似

3. 基于形状的模板匹配

使用 Canny 边缘检测和轮廓匹配。

# 提取轮廓
edges_image = cv2.Canny(image, 100, 200)
edges_template = cv2.Canny(template, 100, 200)# 轮廓匹配
contours_image, _ = cv2.findContours(edges_image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours_template, _ = cv2.findContours(edges_template, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)similarity = cv2.matchShapes(contours_template[0], contours_image[0], cv2.CONTOURS_MATCH_I1, 0.0)
print(f"Shape Similarity: {similarity}")

4. 基于组件的模板识别

使用连通组件(Connected Components)。

# 连通组件
_, labels, stats, centroids = cv2.connectedComponentsWithStats(image, connectivity=8)# 遍历组件
for i in range(1, len(stats)):x, y, w, h, area = stats[i]if area > 50:  # 根据模板特性过滤cv2.rectangle(image, (x, y), (x + w, y + h), 255, 2)cv2.imshow('Components', image)
cv2.waitKey(0)
cv2.destroyAllWindows()

5. 基于形变的模板匹配

形变模板匹配需要形变模型,比如 Thin Plate Splines 或其他变换。

from skimage.transform import warp
from skimage import data# 定义形变模型
def deform(image):# 示例:平移或旋转return warp(image, lambda xy: (xy[0] + 10, xy[1] + 10))transformed_template = deform(template)
result = cv2.matchTemplate(image, transformed_template, cv2.TM_CCOEFF_NORMED)

6. 基于描述符的模板匹配

使用 ORB 特征点和描述符。

# ORB 初始化
orb = cv2.ORB_create()
kp1, des1 = orb.detectAndCompute(image, None)
kp2, des2 = orb.detectAndCompute(template, None)# 特征匹配
bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
matches = sorted(matches, key=lambda x: x.distance)# 画出匹配结果
result = cv2.drawMatches(image, kp1, template, kp2, matches[:10], None, flags=2)
cv2.imshow('Descriptor Matching', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

7. 基于点的模板匹配

使用特征点检测方法,比如 FAST。

fast = cv2.FastFeatureDetector_create()
kp1 = fast.detect(image, None)
kp2 = fast.detect(template, None)# 可视化特征点
image_with_kp = cv2.drawKeypoints(image, kp1, None, color=(255, 0, 0))
template_with_kp = cv2.drawKeypoints(template, kp2, None, color=(255, 0, 0))cv2.imshow('Image Keypoints', image_with_kp)
cv2.imshow('Template Keypoints', template_with_kp)
cv2.waitKey(0)
cv2.destroyAllWindows()

性能比较

可以通过以下指标进行比较:

  1. 匹配时间:统计每种方法的运行时间。
  2. 准确性:计算匹配的正确率(例如 IoU 或精确定位的得分)。
  3. 鲁棒性:在旋转、缩放和噪声下的表现。

如需详细的性能比较,可以写一段代码封装测试和比较逻辑。需要时我可以帮助扩展测试脚本!

个人经验:

1. 工业场景几何关系明确,可以用 基于图像(相关性的就够了),测试显示,对

2. 形变,投影变换,可以考虑用特征点提取(ORB, SIFT)提取描述子, 配合匹配关系描述子配对关系计算获得。 c++ 中设计找最近点等优化算法,ranscac 去除异常点等手段。

3. 工业场景中,多用基于shape model 的查找。更稳定,速度更快(tamplate 小, 几十毫秒)

欢迎订阅本专辑,关注博主,持续更新 ~!code实战内容和经验!代码和理论即学即用!


http://www.ppmy.cn/embedded/141735.html

相关文章

helm部署golang服务

Helm 是 Kubernetes 的一个包管理工具,类似于 Linux 中的 apt 或 yum。它使得在 Kubernetes 上部署和管理应用程序变得更加简单和高效。 安装 https://get.helm.sh/helm-v3.16.3-linux-amd64.tar.gz具体版本号可以在github上看到最新的版本号,然后替换上面链接来获取。gith…

python打包深度学习虚拟环境

今天师兄让我把环境打包发给他,我才知道可以直接打包深度学习虚拟环境,这样另一个人就不用辛辛苦苦的去装环境了,我们都知道有些论文他需要的环境很难装上。比如装Apex,装 DCN,mmcv-full 我现在把3090机子上的ppft虚拟…

github webhooks 实现网站自动更新

本文目录 Github Webhooks 介绍Webhooks 工作原理配置与验证应用云服务器通过 Webhook 自动部署网站实现复制私钥编写 webhook 接口Github 仓库配置 webhook以服务的形式运行 app.py Github Webhooks 介绍 Webhooks是GitHub提供的一种通知方式,当GitHub上发生特定事…

uniapp在App端定义全局弹窗,当打开关闭弹窗会触发onShow、onHide生命周期怎么解决?

在uniapp(App端)中实现自定义弹框,可以通过创建一个透明页面来实现。点击进入当前页面时,页面背景会变透明,用户可以根据自己的需求进行自定义,最终效果类似于弹框。 遇到问题:当打开弹窗(进入弹窗页面)就会触发当前页…

111PHP 循环 - For 循环

可以根据条件来执行循环次数 条件语句: for(初始值;条件语句;增量){ 需要执行的代码 } 初始值:主要是初始化一个变量值,用于设置一个计数器。条件:循环执行的限制条件。如果为 TRUE,则循环继续。如果为 FALSE&#xf…

使用 Vite 创建 Vue3+TS 项目并整合 ElementPlus、Axios、Pinia、Less、Vue-router 等组件或插件

前言 记录一下使用 Vite 创建 Vue3TS 项目并整合 ElementPlus、Axios、Pinia、Less、Vue-router 等组件或插件。 一、使用 Vite 创建 Vue3TS 项目 1.新建一个 temp 文件夹 (1)在桌面新建一个 temp 文件夹,然后在 VS Code 中打开此文件夹&…

Kylin Server V10 下 Nacos 集群部署

集群部署架构图 端口 与主端口的偏移量 描述 8848 0 主端口,客户端、控制台及

亚马逊开发视频人工智能模型,The Information 报道

根据《The Information》周三的报道,电子商务巨头亚马逊(AMZN)已开发出一种新的生成式人工智能(AI),不仅能处理文本,还能处理图片和视频,从而减少对人工智能初创公司Anthropic的依赖…