OpenCV-Python----学习-----------模板匹配-----------霍夫变换

1.模板匹配

1.1 模板匹配基础

result = cv.matchTemplate（image，templ，method，mask）
. image 为原始图像。
. templ 为模板图像。
. method为匹配方法。
. mask 为模板图像掩模（通常默认）。
. 返回值result是由每个位置的比较结果组合所构成的一个结果集，类型是单通道32位浮点型。
输入图像尺寸是WH，模板的尺寸是wh，则返回值大小为（W-w+1）*（H-h+1）

minVal，maxVal，minLocke，maxLoc=cv.minMaxLoc（src，mask）
. src 为单通道数组
. minVal为返回值的最小值，如果没有最小值，则可以是NULL。
. maxVal为返回值的最大值，如果没有最大值，则可以是NULL。
. minVal为最小值的位置，如果没有最小值，则可以是NULL。
. minVal为最大值的位置，如果没有最大值，则可以是NULL。
. mask为用来选取的掩模的子集，可选项。

1.2 多模板匹配

1.2.1 获取匹配位置的集合

res=np.where（res>=threshold）
. res 是函数cv.matchTemplate（）进行模板匹配后的返回值。
. threshold是预设的阈值
loc是满足“res>=threshold”的像素点的索引集合

1.2.2 循环

for i in zip（*模板匹配索引集合）：

1.2.3 调整坐标

numpy.where（)得到的形式为“（行号，列号）”
cv.rectangle（）使用的形式为“（列号，行号）”
所以 loc[::-1]

1.2.4 标记匹配图像的位置

2.霍夫变换

2.1 HoughLines函数

lines=cv.HoughLines（image，rho，theta，threshold）
. image 是输入图像，必须是8位的单通道二值图像
. rho为以像素为单位的距离r的精度。（一般是1）
. theta为角度θ的精度。一般情况下，使用的精度为π/180，表示要搜索所有的可能的角度。
. threshold是阈值。
. 返回值lines中的每个元素都是一对浮点数，表示检测到的直线的参数，即（r，θ），是numpy.ndarray类型。

2.2 HoughLinesP函数

lines = cv.HoughLinesP（image，rho，theta，threshold，minLineLength，maxLineGap）
. minLineLength用来控制“接受直线的最小长度”的值，默认为0
. maxLineGap 用来控制接守共线线段之间的最小间隔，即在一条线中两点的最大间隔。如果两点间的间隔超过了参数maxLineGap的值，就认为这两点不在一条直线上。默认值为0。

2.3霍夫圆环变换

circles=cv.HoughCircles（image，method，dp，minDist，param1，param2，minRadius，maxRadius）
. image：输入图像，8位的单通道灰度图像。
. method：检测方法（HOUGH_GRADIENT)
. dp： 累计分类器，它是一个分割比率，用来指定图像分辨率与圆心累加器分辨率的比例。
例如dp=1，则输入图像和累加器具有相同的分辨率。
. minDist：圆心间的最小间距。
. param1：它对应的是Canny边缘检测器的高阈值（低阈值为高阈值的二分之一）
. param2:圆心位置必须收到的投票数。
. minRadius：圆半径的最小值。
. maxRadius：圆半径的最大值。
. circles：返回值，由圆心坐标和半径构成的numpy.ndarray。

在调用函数之前，要对源图像进行平滑操作。