多角度的模板匹配

背景介绍

熟悉OpenCV的朋友肯定都知道OpenCV自带的模板匹配matchTemplate方法是不支持旋转的，也就是说当目标和模板有角度差异时匹配常常会失败，可能目标只是轻微的旋转，匹配分数就会下降很多，导致匹配精度下降甚至匹配出错。另一个方法是matchShape(形状匹配)，匹配时需要轮廓分明才容易匹配成功，但无法的到匹配角度，也不方便使用。本文介绍基于matchTemplate + 旋转 + 金字塔下采样实现多角度的模板匹配，返回匹配结果(斜矩形的端点、角度、匹配得分)。

实现思路

【1】如何适应目标的角度变化？

我们可以将模板旋转，从0~360依次匹配找到最佳的匹配位置

【2】如何提高匹配速度？

使用金字塔下采样，将模板和待匹配图均缩小后匹配；加大匹配搜寻角度的步长，比如从每1匹配一次改为每5匹配一次等。

实现步骤：

【1】旋转模板图像。

旋转图像本身比较简单，下面是代码：

//旋转图像
Mat ImageRotate(Mat image, double angle)
{
  Mat newImg;
  Point2f pt = Point2f((float)image.cols / 2, (float)image.rows / 2);
  Mat M = getRotationMatrix2D(pt, angle, 1.0);
  warpAffine(image, newImg, M, image.size());
  return newImg;
}

但需要注意，很多时候按照上面方法旋转时，会丢失模板信息产生黑边，这里提供两种方法供大家参考尝试：

① 旋转时放大目标图像尺寸，保证模板图像上信息不丢失，然后模板匹配时使用mask；

② 旋转时不放大目标图像尺寸，剔除黑边剩余部分做mask来匹配。

【2】图像金字塔下采样。

什么是图像金字塔？什么是上下采样？

下采样的目的前面已介绍，减小图像分辨率提高图像匹配速度，代码如下：

//对模板图像和待检测图像分别进行图像金字塔下采样
for (int i = 0; i

【3】0~360各角度匹配。

旋转模板图像，依次调用matchTemplate在目标图中匹配，记录最佳匹配分数，以及对应的角度。

【4】计算匹配结果。

根据模板图大小、匹配结果角度计算出匹配后的矩形四个角点，根据角点关系即可绘制方向：

【5】举例演示。

模板图从下图中截取并保存template.png:

测试图像12张，来自Halcon例程图片，路径如下：

…MVTecHALCON-20.11-Steadyexamplesimagesmodules

匹配结果：

相关代码

/*
旋转模板匹配函数（通过图像金字塔、增大旋转步长来提升匹配速度）
Mat src：原图像
Mat model：模板图
double startAngle：旋转的最小角
double endAngle：旋转的最大角
double firstStep：角度旋转时的最大步长
double secondStep：角度旋转时的最小步长
int numLevels = 0：图像金字塔缩放次数
*/
服务器托管网MatchResult rotateMatch(Mat src, Mat model, double startAngle, double endAngle, double firstStep, double secondStep, int numLevels = 0) {
  //对模板图像和待检测图像分别进行图像金字塔下采样
  for (int i = 0; i  score)
      {
        location = maxloc;
        score = maxval;
        angle = curAngle;
      }
    }

    if (isSecond) break;

    startAngle = angle - firs服务器托管网tStep;
    endAngle = angle + firstStep;

    if ((endAngle - startAngle) / 5 > secondStep) {
      firstStep = (endAngle - startAngle) / 5;
    } else {
      firstStep = secondStep;
      isSecond = true;
    }
  }

  Point finalPoint = Point(location.x * pow(2, numLevels), location.y * pow(2, numLevels));
  vector points = GetRotatePoints(Size(model.cols * pow(2, numLevels), model.rows * pow(2, numLevels)), angle);

  for (int j = 0; j  imgs;
  string imageName;
  string path = "D:zMaterialsalgorithmAlgoDatamodules";
  ifstream fin(path + "modules.seq");
  while (getline(fin, imageName))
  {
    Mat img = imread(path + imageName + ".png");
    imgs.push_back(img);
  }

  Mat templateImg = imread(path + "template.png");

  int i = 0;
  for (Mat img: imgs)
  {
    i += 1;
    MatchResult matchResult = rotateMatch(img, templateImg, 0, 360, 30, 1, 0);
    vector points = matchResult.points;
    cout

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: Python中编码声明的方法

编码声明主要是为了解决编码问题。由于Python 3的默认编码是UTF-8，因此在使用Python 3编写源代码时，通常不需要在文件开头添加编码声明。但是，如果您使用的编码不是UTF-8，则需要在文件开头添加编码声明，以确保Python解释器能够正确地解析源代…