opencv的图像基本操作_3

模板匹配

模板匹配和卷积很像,模板在原图像上滑动,并在滑过的区域上计算匹配数值,通过匹配数值衡量模板匹配程度,opencv中有6种计算方法,从原点开始计算,将每次计算的结果放到一个矩阵,最后输出,假设原图像大小为A*B,模板大小为a*b, 则这个输出矩阵大小为(A-a+1)*(B-b+1)

步骤:

1、读入图片和模板图片,灰度图格式

2、计算匹配值,调用 cv2.matchTemplate(img, template, methods)

3、求出最小值/最大值数值和坐标,调用 minMaxLoc(res)

计算匹配值:cv2.matchTemplate(src, template, methods) 

src: 源图像

template: 模板图像

methods: 匹配方法,共六种,带归一化的方法效果更好些

- TM_SQDIFF: 计算平方不同,计算出来的值越小,越相关
- TM_CCORR:  计算相关性,计算出来的值越大,越相关
- TM_CCOEFF: 计算相关系数,计算出来的值越大,越相关
- TM_SQDIFF_NORMED: 计算归一化平方不同,计算出来的值越接近1,越相关
- TM_CCORR_NORMED:  计算归一化相关性,计算出来的值越接近0,越相关
- TM_CCOEFF_NORMED: 计算归一化相关系数,计算出来的值越接近0,越相关

公式:https://docs.opencv.org/3.3.1/df/dfb/group__imgproc__object.html#ga3a7850640f1fe1f58fe91a2d7583695d

#输入img图像,template为模板图像,使用TM_SQDIFF方法计算,res为计算数值的矩阵

res = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)

 返回最小值/最大值数值和坐标:  minMaxLoc(res)

# 返回最大值,最小值数值和坐标

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

 匹配多个对象

设置阈值,当计算的匹配值大于或者小于阈值时,都当做匹配对象

图像金字塔
- 高斯金字塔
- 拉普拉斯金字塔

高斯金字塔:向下采样方法(缩小)

1.像素点与高斯内核卷积; 2.所有偶数行和列去掉

 高斯金字塔:向上采样方法(放大)

1. 将图像在每个方向扩大为原来两倍(原来1*1的像素点扩展为2*2),使用0进行填充

2. 使用原来的高斯内核进行卷积,求出近似值

先上采样,再下采样,会造成图像信息的丢失。

拉普拉斯金字塔

opencv的图像基本操作_3_第1张图片

 

img.shape[:2]取图片的长、宽

eval()输入为字符串,输出为字符串的内容

你可能感兴趣的:(计算机视觉,计算机图形学,计算机视觉,opencv,python)