home

หน้าแรก
 Computer >> คอมพิวเตอร์ >  >> การเขียนโปรแกรม >> Python

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python

การจับคู่เทมเพลตเป็นเทคนิค โดยการจับคู่แพตช์หรือเทมเพลตจากรูปภาพจริง นี่เป็นกลไกการจับคู่รูปแบบโดยพื้นฐาน

ใน Python มีโมดูล OpenCV การใช้ openCV ทำให้เราสามารถค้นหาการจับคู่ได้อย่างง่ายดาย ดังนั้นในปัญหานี้จึงใช้เทคนิคการจับคู่เทมเพลต OpenVC

ในการใช้ฟังก์ชัน OpenCV เราจำเป็นต้องดาวน์โหลดโดยใช้ pip .

sudo pip3 install opencv-python

สำหรับงานจับคู่เทมเพลต มีปัจจัยความแม่นยำ ปัจจัยนี้เรียกว่าขีดจำกัด ตัวอย่างเช่น เราสามารถพูดได้ว่าเราสามารถสร้างรูปแบบการจดจำใบหน้าได้อย่างง่ายดายโดยใช้โซลูชันการจับคู่เทมเพลตนี้ เราสามารถจัดเตรียมรูปภาพของดวงตาหรือส่วนอื่น ๆ ของใบหน้า จากนั้นใช้รูปภาพเหล่านั้นเป็นเทมเพลต เพื่อค้นหาคู่ที่ตรงกันได้อย่างง่ายดาย แต่มีดวงตาที่แตกต่างกัน ดังนั้น หากเราตั้งค่าระดับความแม่นยำเป็น 50% ก็จะตรวจพบได้ดีกว่าระดับความแม่นยำ 100% โดยทั่วไป ระดับความแม่นยำจะอยู่ที่ 80% ในแต่ละกรณี

ขั้นตอนในการจับคู่เทมเพลต

  • ถ่ายภาพจริงแล้วแปลงเป็นภาพระดับสีเทา

  • นำเทมเพลตเป็นรูปภาพระดับสีเทา

  • เทมเพลตจะเลื่อนไปบนภาพจริงและค้นหาตำแหน่งที่ระดับความแม่นยำตรงกัน

  • เมื่อผลลัพธ์มากกว่าระดับความแม่นยำ ให้ทำเครื่องหมายตำแหน่งนั้นว่าตรวจพบ

สำหรับกรณีแรก รูปภาพอินพุตและเทมเพลตคือ −

ภาพหลัก

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python

แม่แบบ

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python

โค้ดตัวอย่าง

import cv2
import numpy as np
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
#open the template as gray scale image
template = cv2.imread('template1.png', 0)
width, height = template.shape[::-1] #get the width and height
#match the template using cv2.matchTemplate
match = cv2.matchTemplate(gray_image, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
position = np.where(match >= threshold) #get the location of template in the image
for point in zip(*position[::-1]): #draw the rectangle around the matched template
   cv2.rectangle(main_image, point, (point[0] + width, point[1] + height), (0, 204, 153), 0)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)

ผลลัพธ์

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python

โค้ดด้านบนไม่รองรับการสเกลหลายขนาด ดังนั้นหากขนาดของเทมเพลตไม่เท่ากันก็จะตรวจไม่พบ ดังนั้นในตอนต่อไป เราจะมาดูกันว่าเราจะใช้ฟีเจอร์การปรับขนาดหลายขนาดเพื่อตรวจหาเทมเพลตได้อย่างไร

ในแนวทางนี้ รูปภาพจริงจะถูกแปลงเป็นขนาดต่างๆ กัน แต่ละครั้งที่ตรงกับรูปแบบ และหาค่าสัมประสิทธิ์สหสัมพันธ์ที่ใหญ่ที่สุดเพื่อค้นหาการจับคู่

รูปภาพจริงเหมือนกัน เทมเพลตอยู่ที่นี่ -

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python

โค้ดตัวอย่าง

import imutils
import cv2
import numpy as np
#Open template and get canny
template = cv2.imread('template3.jpg')
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
template = cv2.Canny(template, 10, 25)
(height, width) = template.shape[:2]
#open the main image and convert it to gray scale image
main_image = cv2.imread('main_image.png')
gray_image = cv2.cvtColor(main_image, cv2.COLOR_BGR2GRAY)
temp_found = None
for scale in np.linspace(0.2, 1.0, 20)[::-1]:
   #resize the image and store the ratio
   resized_img = imutils.resize(gray_image, width = int(gray_image.shape[1] * scale))
   ratio = gray_image.shape[1] / float(resized_img.shape[1])
   if resized_img.shape[0] < height or resized_img.shape[1] < width:
      break
   #Convert to edged image for checking
   e = cv2.Canny(resized_img, 10, 25)
   match = cv2.matchTemplate(e, template, cv2.TM_CCOEFF)
   (_, val_max, _, loc_max) = cv2.minMaxLoc(match)
   if temp_found is None or val_max>temp_found[0]:
      temp_found = (val_max, loc_max, ratio)
#Get information from temp_found to compute x,y coordinate
(_, loc_max, r) = temp_found
(x_start, y_start) = (int(loc_max[0]), int(loc_max[1]))
(x_end, y_end) = (int((loc_max[0] + width)), int((loc_max[1] + height)))
#Draw rectangle around the template
cv2.rectangle(main_image, (x_start, y_start), (x_end, y_end), (153, 22, 0), 5)
cv2.imshow('Template Found', main_image)
cv2.waitKey(0)

ผลลัพธ์

การจับคู่เทมเพลตโดยใช้ OpenCV ใน Python