Question

我正在阅读有关使用opencv和python进行模板匹配的文档，最后一部分是关于模板与多个对象的匹配，代码检测到马里奥图像上的19个硬币但是，是否可以计算检测到的对象数量python上的一些函数，如len（）或任何opencv方法？

以下是教程中显示的代码： http://docs.opencv.org/3.1.0/d4/dc6/tutorial_py_template_matching.html

模板匹配代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img_rgb = cv2.imread('mario.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.png',0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

cv2.imwrite('res.png',img_rgb)

结果是： Mario Bros & Coins

那么，有没有办法计算图像上检测到的硬币并在终端上打印数字？类似的东西：

The Template Matching code showed before...

print "Function that detect number of coins with template matching"
>>> 19

Answer 1

我找到了一个合适的解决方案（对于我的应用），计算独特的匹配，正如Ulrich建议的那样。它并不理想，但玩的是＆＃34;灵敏度＆＃34;对于我的应用，通常会产生+/- 2％的结果。

import cv2
import numpy as np
from matplotlib import pyplot as plt

img_rgb = cv2.imread('mario.png')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('mario_coin.png',0)
w, h = template.shape[::-1]

res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.8
loc = np.where( res >= threshold)

f = set()

for pt in zip(*loc[::-1]):
    cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

    sensitivity = 100
    f.add((round(pt[0]/sensitivity), round(pt[1]/sensitivity)))

cv2.imwrite('res.png',img_rgb)

found_count = len(f)

Answer 2

我使用列表来存储许多相同对象检测的第一个（x，y）。然后对于找到的检测中的每个（x，y）（在同一个对象上必须有很多检测），我计算新（x，y）和列表中每个点之间的距离。如果距离足够大，则必须首先找到新的检测。然后我把新的（x，y）放到列表中。这是愚蠢的，但确实有效。

目的是去除第一次检测到一个物体的（x，y）附近的点，并且只保留该“群”的一个点，然后迭代loc中的所有点以找到更多“群组”并找到每组中只有一个点。

import cv2
import numpy as np
import matplotlib.pyplot as plt
import math

def notInList(newObject):
    for detectedObject in detectedObjects:
        if math.hypot(newObject[0]-detectedObject[0],newObject[1]-detectedObject[1]) < thresholdDist:
        return False
    return True

img_rgb = cv2.imread("7.jpg")
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread("face.jpg",0)
w, h = template.shape[::-1]
res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
threshold = 0.85
loc = np.where( res >= threshold)

detectedObjects=[]
thresholdDist=30

for pt in zip(*loc[::-1]):
    if len(detectedObjects) == 0 or notInList(pt):
        detectedObjects.append(pt)
        cellImage=img_rgb[pt[1]:pt[1]+h, pt[0]:pt[0]+w]
        cv2.imwrite("results/"+str(pt[1])+"_"+str(pt[0])+".jpg",cellImage, 
        [int(cv2.IMWRITE_JPEG_QUALITY), 50])

Answer 3

导入时间导入cv2 将numpy导入为np 从PIL导入ImageGrab

为True时：

count = 0
stop = 0

img = ImageGrab.grab()
img_np = np.array(img)

gray = cv2.cvtColor(img_np, cv2.COLOR_BGR2GRAY)

frame = cv2.cvtColor(img_np, cv2.COLOR_BGR2RGB)

Template = cv2.imread('image.png' ,0)
w, h = Template.shape[::-1]

res = cv2.matchTemplate(gray, Template, cv2.TM_CCOEFF_NORMED)
threshold = 0.90
loc = np.where(res >= threshold)

font = cv2.FONT_HERSHEY_SIMPLEX

for pt in zip(*loc[::-1]):

    cv2.rectangle(frame, pt, (pt[0] + w, pt[1] + h), (0,0,255) ,2)

    count = count + 1

    print(count)

    stop = 1

cv2.imshow('frame',frame)

if (stop == 1):

    break

Answer 4

对于仍在想知道的人：首先对列表“ zip（* loc [::-1}）”进行排序比较容易。

例如，我的脚本返回的发现结果如下：

(580, 822)
(871, 822)
(1017, 822)
(434, 823)
(726, 823)
(871, 823)
(1017, 823)
7

您会注意到有多个重复项，而不仅仅是顺序重复。现在只需简单地使用“ sorted（zip（* loc [::-1]））”对它进行排序，就可以通过简单地计算相邻的2点并检查每个循环的距离来使距离变得小菜一碟。

通过在循环中添加条件并检查当前点的距离是否小于期望的距离，可以很好地完成工作。我从来没有正确学习过python，所以我不确定这是否是有效的方法。至少这对我的用例有用。您可以在下面查看。

Source code (Github) / Test Result (Imgur)

示例代码：

    img = np.array( *YOUR_SCREENSHOT_HERE* )
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    template = cv2.imread( *TARGET_IMAGE_HERE* , 0)
    w, h = template.shape[::-1]

    res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
    loc = np.where(res >= precision)

    count = 0
    last_pt = [0, 0]   # Set this negative if target image is at top-left corner.

    for pt in sorted(zip(*loc[::-1])):
        if sqrt(abs(last_pt[0]-pt[0])**2 + abs(last_pt[0]-pt[0])**2) < threshold*min([h, w]):
            continue
        else:
            last_pt = pt
            print(pt)
            count = count + 1
            cv2.rectangle(img, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)

    cv2.imwrite('res.png', img)
    return count

Answer 5

我列出了所有匹配项，并为每个新匹配项检查列表中是否有任何匹配项与边界框相交：

res = cv.matchTemplate(image,template,cv.TM_CCOEFF_NORMED)
threshold = 0.5
loc = np.where(res >= threshold)
matches = []
for pt in zip(*loc[::-1]):
    intersection = 0
    for match in matches:
        if intersected(match, (match[0] + w, match[1] + h), pt, (pt[0] + w, pt[1] + h)):
            intersection = 1
            break
    if intersection == 0:
        matches.append(pt)
        rect = cv.rectangle(image, pt, (pt[0] + w, pt[1] + h), (0, 0, 255), 2)

这是检查路口的代码：

def intersected(bottom_left1, top_right1, bottom_left2, top_right2):
    if top_right1[0] < bottom_left2[0] or bottom_left1[0] > top_right2[0]:
        return 0

    if top_right1[1] < bottom_left2[1] or bottom_left1[1] > top_right2[1]:
        return 0

    return 1

Answer 6

那是我的方法：

loc = np.where( res >= threshhold)
print(len(loc[0])) #match occurences count

loc是2D数组。

如何计算使用模板匹配检测到的对象数量？

6 个答案: