opencv模板匹配相同位置去除重復的框

使用opencv自帶的模板匹配

1、目標匹配函數:cv2.matchTemplate()
res=cv2.matchTemplate(image, templ, method, result=None, mask=None)
image:待搜索圖像
templ:模板圖像
result:匹配結果
method:計算匹配程度的方法,主要有以下幾種:

  • CV_TM_SQDIFF 平方差匹配法:該方法采用平方差來進行匹配;最好的匹配值為0;匹配越差,匹配值越大。
  • CV_TM_CCORR 相關匹配法:該方法采用乘法操作;數值越大表明匹配程度越好。
  • CV_TM_CCOEFF 相關系數匹配法:1表示完美的匹配;-1表示最差的匹配。
  • CV_TM_SQDIFF_NORMED 計算歸一化平方差,計算出來的值越接近0,越相關
  • CV_TM_CCORR_NORMED 計算歸一化相關性,計算出來的值越接近1,越相關
  • CV_TM_CCOEFF_NORMED 計算歸一化相關系數,計算出來的值越接近1,越相關

待檢測的圖片如下,需要檢測裡面金幣的位置

需要檢測金幣的模板如下:

2、基本的多對象模板匹配效果代碼如下:

import cv2
import numpy as np
img_rgb = cv2.imread('mario.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.jpg', 0)
h, w = template.shape[:2]
 
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大於%80的坐標
loc = np.where(res >= threshold)
#np.where返回的坐標值(x,y)是(h,w),註意h,w的順序
for pt in zip(*loc[::-1]):  
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
cv2.imwrite("001.jpg",img_rgb)
cv2.imshow('img_rgb', img_rgb)
cv2.waitKey(0)

檢測效果如下:

通過上圖可以看到對同一個圖有多個框標定,需要去重,隻需要保留一個

解決方案:對於使用同一個待檢區域使用NMS進行去掉重復的矩形框

3、使用NMS對模板匹配出來的矩形框進行去掉臨近重復的,代碼如下:

import cv2
import time
import numpy as np
 
def py_nms(dets, thresh):
    """Pure Python NMS baseline."""
    #x1、y1、x2、y2、以及score賦值
    # (x1、y1)(x2、y2)為box的左上和右下角標
    x1 = dets[:, 0]
    y1 = dets[:, 1]
    x2 = dets[:, 2]
    y2 = dets[:, 3]
    scores = dets[:, 4]
    #每一個候選框的面積
    areas = (x2 - x1 + 1) * (y2 - y1 + 1)
    #order是按照score降序排序的
    order = scores.argsort()[::-1]
    # print("order:",order)
 
    keep = []
    while order.size > 0:
        i = order[0]
        keep.append(i)
        #計算當前概率最大矩形框與其他矩形框的相交框的坐標,會用到numpy的broadcast機制,得到的是向量
        xx1 = np.maximum(x1[i], x1[order[1:]])
        yy1 = np.maximum(y1[i], y1[order[1:]])
        xx2 = np.minimum(x2[i], x2[order[1:]])
        yy2 = np.minimum(y2[i], y2[order[1:]])
        #計算相交框的面積,註意矩形框不相交時w或h算出來會是負數,用0代替
        w = np.maximum(0.0, xx2 - xx1 + 1)
        h = np.maximum(0.0, yy2 - yy1 + 1)
        inter = w * h
        #計算重疊度IOU:重疊面積/(面積1+面積2-重疊面積)
        ovr = inter / (areas[i] + areas[order[1:]] - inter)
        #找到重疊度不高於閾值的矩形框索引
        inds = np.where(ovr <= thresh)[0]
        # print("inds:",inds)
        #將order序列更新,由於前面得到的矩形框索引要比矩形框在原order序列中的索引小1,所以要把這個1加回來
        order = order[inds + 1]
    return keep
 
def template(img_gray,template_img,template_threshold):
    '''
    img_gray:待檢測的灰度圖片格式
    template_img:模板小圖,也是灰度化瞭
    template_threshold:模板匹配的置信度
    '''
 
    h, w = template_img.shape[:2]
    res = cv2.matchTemplate(img_gray, template_img, cv2.TM_CCOEFF_NORMED)
    start_time = time.time()
    loc = np.where(res >= template_threshold)#大於模板閾值的目標坐標
    score = res[res >= template_threshold]#大於模板閾值的目標置信度
    #將模板數據坐標進行處理成左上角、右下角的格式
    xmin = np.array(loc[1])
    ymin = np.array(loc[0])
    xmax = xmin+w
    ymax = ymin+h
    xmin = xmin.reshape(-1,1)#變成n行1列維度
    xmax = xmax.reshape(-1,1)#變成n行1列維度
    ymax = ymax.reshape(-1,1)#變成n行1列維度
    ymin = ymin.reshape(-1,1)#變成n行1列維度
    score = score.reshape(-1,1)#變成n行1列維度
    data_hlist = []
    data_hlist.append(xmin)
    data_hlist.append(ymin)
    data_hlist.append(xmax)
    data_hlist.append(ymax)
    data_hlist.append(score)
    data_hstack = np.hstack(data_hlist)#將xmin、ymin、xmax、yamx、scores按照列進行拼接
    thresh = 0.3#NMS裡面的IOU交互比閾值
 
    keep_dets = py_nms(data_hstack, thresh)
    print("nms time:",time.time() - start_time)#打印數據處理到nms運行時間
    dets = data_hstack[keep_dets]#最終的nms獲得的矩形框
    return dets
if __name__ == "__main__":
    img_rgb = cv2.imread('mario.jpg')#需要檢測的圖片
    img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)#轉化成灰色
    template_img = cv2.imread('mario_coin.jpg', 0)#模板小圖
    template_threshold = 0.8#模板置信度
    dets = template(img_gray,template_img,template_threshold)
    count = 0
    for coord in dets:
        cv2.rectangle(img_rgb, (int(coord[0]),int(coord[1])), (int(coord[2]),int(coord[3])), (0, 0, 255), 2)
    cv2.imwrite("result.jpg",img_rgb)

檢測效果如下所示:

參考資料:

https://blog.csdn.net/qq_39507748/article/details/104598222
https://docs.opencv.org/3.4/d4/dc6/tutorial_py_template_matching.html
https://blog.csdn.net/mdjxy63/article/details/81037860
https://github.com/rbgirshick/fast-rcnn/blob/master/lib/utils/nms.py
https://www.pyimagesearch.com/2015/02/16/faster-non-maximum-suppression-python/

到此這篇關於opencv模板匹配相同位置去除重復的框的文章就介紹到這瞭,更多相關opencv模板匹配內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!