首页 > 代码库 > OpenCV学习笔记[4]模板匹配 Java version
OpenCV学习笔记[4]模板匹配 Java version
OpenCV学习笔记:模板匹配 Java version
首先我要纠正一个错误的学习习惯,像OpenCV这样的大型库,按照官方教程一步一步调试的学习效率太低了,OpenCV就像字典一样,当我们需要计算机进行某些视觉特性模拟时,针对具体问题去检索库中对应的API即可。
尽管官方教程非常详细,但除了人脸识别的Demo和一套doc外,没有其他Java实例,教程中详细的实例都由C语言编写,我在测试的过程中会将对应部分按照OOP形式重写为Java模块,并在学习笔记中贴出。
官方教程可以在OpenCV库解压目录的build/doc下找到,当然,是英文的。
[简介]
模板匹配,通俗的讲,提供原始图片与其中的一部分,找出该部分在原始图片中的位置,它存在诸多限制,对模板的转置与缩放会严重影响匹配结果,但容许一定的失真。
[模板匹配]
TemplateMaching.java:
import org.opencv.core.Core; import org.opencv.core.Core.MinMaxLocResult; import org.opencv.core.CvType; import org.opencv.core.Mat; import org.opencv.core.Point; import org.opencv.core.Scalar; import org.opencv.highgui.Highgui; import org.opencv.imgproc.Imgproc; public class TemplateMaching { private String sourcePath,dstPath; private Mat source,dst; //原图片 public void setSource(String picPath){ this.sourcePath = picPath; } //需要匹配的部分 public void setDst(String picPath){ this.dstPath = picPath; } //处理,生成结果图 public void process(){ //将文件读入为OpenCV的Mat格式 source = Highgui.imread(sourcePath); dst = Highgui.imread(dstPath); //创建于原图相同的大小,储存匹配度 Mat result = Mat.zeros(source.rows(),source.cols(),CvType.CV_32FC1); //调用模板匹配方法 Imgproc.matchTemplate(source, dst, result,Imgproc.TM_SQDIFF); //规格化 Core.normalize(result, result, 0, 1,Core.NORM_MINMAX, -1); //获得最可能点,MinMaxLocResult是其数据格式,包括了最大、最小点的位置x、y MinMaxLocResult mlr = Core.minMaxLoc(result); Point matchLoc = mlr.minLoc; //在原图上的对应模板可能位置画一个绿色矩形 Core.rectangle(source, matchLoc, new Point(matchLoc.x + dst.width(),matchLoc.y + dst.height()),new Scalar(0,255,0)); //将结果输出到对应位置 Highgui.imwrite("./Result/TMOutPut.png",source); } public static void main(String[] args) { System.loadLibrary("opencv_java249"); TemplateMaching macher = new TemplateMaching(); //设置原图 macher.setSource("./Data/Lession4/BK.jpg"); //设置要匹配的图 macher.setDst("./Data/Lession4/BK_DST_DES.jpg"); macher.process(); } }
[测试图例]
原图:
匹配图(原始、转置、缩放、失真):
[测试结果]
[原始测试]
↑匹配
[转置测试]
↑产生偏移
[缩放测试]
↑产生偏移,大小错误
[失真测试]
↑匹配
[总结]
对于图像识别,模板映射存在着较大的限制,在今后的学习中会着重寻找特性匹配的内容。
OpenCV学习笔记[4]模板匹配 Java version
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。