关于python:图像匹配大图中找小图之新项目findimage

105次阅读

共计 1030 个字符，预计需要花费 3 分钟才能阅读完成。

之前剖析 aircv 源码的时候，还是有诸多不满，而且它也不更新保护了，提交 PR 也没人理，罗唆做个新我的项目，目前曾经提交 PyPi 库，能够用上面的命名装置：

pip install findimage

findimage 不是图像搜寻，不能从一堆图片中找到类似的那张，而是从一张大图中定位给定模板小图的地位。

和原 aircv 相比，findimage 有以下这些改良:

反对间接传入灰度图 (尽管函数内调用 opencv 的时候, 都是应用灰度图实现的, 原 aircv 我的项目却要求传入的图片必须蕴含 bgr 三个通道, 不然会报错)
反对背景通明的图片
优化了 find_all_template 办法的性能，用 numpy 的切片赋值代替 floodFill 办法来防止重叠，大略会缩短 1 / 4 的总体查找时间

比方咱们对“思否”课程菜单截图如下：

咱们想从中找到 #的地位，能够提供一张小模板图：

而后调用 find_template 办法：

from cv2 import cv2
from findimage import find_template

image_origin = cv2.imread('seg_course_whole_page.png')
image_template = cv2.imread('seg_sharp.png')

match_result = find_template(image_origin, image_template)

失去的 match_result，标识了第一个 #在源图中的中心点地位，矩形区域四角坐标和匹配度。

{"result": (x,y),        #tuple，示意辨认后果的中心点
    "rectangle":[            #二位数组，示意辨认后果的矩形四个角
        [left, top],
        [left, bottom],
        [right, top],
        [right, bottom]
    ],
    "confidence": percentage   #辨认后果的匹配度, 在 -1~1 之间，越大匹配度越高, 如果为 1，示意按像素严格匹配
}

咱们能够用这个后果，在源图上标识出匹配的地位：

img_result = image_origin.copy()
rect = match_result['rectangle']
cv2.rectangle(img_result, (rect[0][0], rect[0][1]), (rect[3][0], rect[3][1]), (0, 0, 220), 2)
cv2.imwrite('result.png', img_result)

后果如下图所示：

正文完