【传统视觉】模板匹配和卡尺圆检测

这篇具有很好参考价值的文章主要介绍了【传统视觉】模板匹配和卡尺圆检测。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

模板匹配 粗定位

1、原理:模板匹配是指在当前图像A中匹配与图像B最相似的部分,那么A为输入图像,B为模板图像。
2、匹配方法:B在A上华东,逐个遍历所有像素完成匹配。
3、函数:

result = cv2.matchTemplate(image, templ, method[,mask]);
返回值:一个结果集。类型是单通道32位浮点型

其中image为图像A,templ为模板(图像B),method为匹配方法;
method = 0-5 总共六种方法

参数值 对应数值 解释
cv2.TM_SQDIFF 0 以方差为依据,进行匹配,result值为0表示匹配度最好,值越大,表示匹配度越差
cv2.TM_SQDIFF_NORMED 1 标准(归一化)平方差匹配
cv2.TM_CCORR 2 A与B的像素点相乘,较大则匹配度较高,result的值越小表示匹配度越差,值越大表示匹配度越好
cv2.TM_CCORR_NORMED 3 2的归一化
cv2.TM_CCOEFF 4 模板图像B与A均值的相关性匹配,1表示完美匹配,-1表示垃圾匹配,0表示没得关系
cv2.TM_CCOEFF_NORMED 5 4的归一化

4、配合查找最值方式来找到匹配的位置

minVal,maxVal,minLoc,maxLoc=cv2.minMaxLoc(src[,mask])
src:为单通道数组。
minVal:为返回的最小值,如果没有最小值,则可以是NULL(空值)。
maxVal:为返回的最大值,如果没有最小值,则可以是NULL。
minLoc:为最小值的位置,如果没有最大值,则可以是NULL。
maxLoc:为最大值的位置,如果没有最大值,则可以是NULL。
mask:为用来选取掩模的子集,可选项

示例:

rv = cv2.matchTemplate(img, template, cv2.TM_SQDIFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(rv)

卡尺找圆 精细定位

卡尺的原理:
是找N个小矩形ROI里面的灰度值突变的地方。即:遍历每个小矩形ROI,分别找到1个点,这个点是灰度突变的峰值。然后把这N个点拟合成直线或者圆。文章来源地址https://www.toymoban.com/news/detail-611571.html

到了这里,关于【传统视觉】模板匹配和卡尺圆检测的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • openCV-python模板匹配(旋转)

    本文将介绍使用OpenCV实现多角度模板匹配的详细步骤 + 代码。 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

    2024年02月01日
    浏览(61)
  • python +opencv 多尺度缩放与旋转的模板匹配

    #传统的方法,还是需要大量的参数阈值控制,太鸡肋了,决定,只在数据量很少的冷启动项目阶段采用传统方式。

    2024年02月16日
    浏览(48)
  • OpenCV-Python中的图像处理-模板匹配

    使用模板匹配可以在一幅图像中查找目标 函数: cv2.matchTemplate(), cv2.minMaxLoc() 模板匹配是用来在一副大图中搜寻查找模版图像位置的方法。 OpenCV 为我们提供了函数: cv2.matchTemplate()。和 2D 卷积一样,它也是用模板图像在输入图像(大图)上滑动,并在每一个位置对模板图像

    2024年02月12日
    浏览(40)
  • OpenCV(图像处理)-基于Python-特征检测-特征点匹配

    图像特征就是指有意义的图像区域,具有独特性,易于识别性,比如角点、斑点以及高密度区。而为什么角点具有重要的特征呢? 看下图: 观察ABD三张图片,我们不容易得知图像的位置,而CEF三张图我们特别容易找到它们在原图中对应的位置,这是因为ABD比较平滑,我们不

    2024年02月03日
    浏览(47)
  • 机器视觉初步7:模板匹配专题

    今天端午,祝各位端午安康! 今天来说说模板匹配这个专题。 模板匹配(Template Matching)是一种图像处理技术,用于在一幅图像上查找与另一幅模板图像相同的区域。模板图像和待匹配图像的大小相同。模板匹配的目的是在待检测图像中找到与模板图像最匹配的区域。 在机

    2024年02月10日
    浏览(41)
  • 【OpenCV-Python】——单/多模板匹配&分水岭算法图像分割&图像金字塔&交互式前景提取

    目录 前言: 1、模板匹配 1.1 单目标匹配 1.2 多目标匹配 2、图像分割

    2024年02月07日
    浏览(49)
  • python毕设选题 - 机器视觉人体跌倒检测系统 - opencv python

    🔥 这两年开始毕业设计和毕业答辩的要求和难度不断提升,传统的毕设题目缺少创新和亮点,往往达不到毕业答辩的要求,这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。 为了大家能够顺利以及最少的精力通过毕设,学长分享优质毕业设计项目,今天

    2024年02月20日
    浏览(38)
  • 特征点的检测与匹配(ORB,SIFT,SURFT比较)[opencv-python]

    本文旨在总结opencv-python上特征点的检测和匹配。 1、特征点的检测(包括:ORB,SIFT,SURFT) 2、特侦点匹配方法 (包括:暴力法,FLANN,以及随机抽样一致性优化RANSAC算法) 注:由于SURF专利问题,所以opencv官方包目前不支持SURF但支持ORB和SIFT,安装opencv-contrib-python包就可以解决 一

    2024年02月06日
    浏览(47)
  • 竞赛保研 机器视觉人体跌倒检测系统 - opencv python

    🔥 优质竞赛项目系列,今天要分享的是 🚩 机器视觉人体跌倒检测系统 该项目较为新颖,适合作为竞赛课题方向,学长非常推荐! 🥇学长这里给一个题目综合评分(每项满分5分) 难度系数:3分 工作量:3分 创新点:4分 🧿 更多资料, 项目分享: https://gitee.com/dancheng-senior/

    2024年01月21日
    浏览(55)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包