Question

我通过使用下面的方法取得了成功，但我确信必须有其他更省时的替代方案来提供精确的旋转角度，而不是下面的方法的近似值。我很高兴听到您的反馈意见。

该程序基于以下步骤：

导入模板图像（即：方向为0º）
创建一个相同图像的离散数组，但每个图像以360º/ rotateteps旋转，与其最近邻居相比（即：30到50个旋转图像）

# python 3 / opencv 3

# Settings:
rotate_steps = 36
step_angle = round((360/rotate_steps), 0) # one image at each 10º

# Rotation function
def rotate_image(image, angle):
# ../..
return rotated_image

# Importing a sample image and creating a n-dimension array where to store images in:
image = cv2.imread('sample_image.png')
image_Array = np.zeros((image.shape[1], image.shape[0], 1), dtype='uint8')

# Rotating sample image and saving it into the array as a new channel:
while rotation_angle <= (360 - step_angle):
                           angles.append(rotation_angle)
                           image_array[:,:,channel] = rotate_image(image.copy(), rotation_angle)
# ../..

所以我得到了：

角度= [0,10.0,20.0,30.0，...... / ...，340.0,350.0]

image_array = [image_1，image_2，image_3，...]其中image_i是numpy数组上的不同通道。

检索我正在查看角度的'test_image'与我们之前旋转并存储到数组中的样本图像相比较
按照一系列cv2.matchTemplate（）和cv2.minMaxLoc（）查找旋转图像的角度最匹配'test_image'

for i in range(len(angles)):
  res = cv2.matchTemplate(test_image, image_array[:,:,i], cv2.TM_CCOEFF_NORMED)
  min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
  # ../..

最后，我选择与样本图像匹配的离散化角度，作为与“max_val”最高值对应的模板图像。

事实证明这很有效，因为根据旋转模板图像的数量，所得到的精度基于高/低精度的近似值，以及旋转模板数量增加时所需的上升时间......

我确信必须有其他基于不同方法的更智能的替代品，例如生成图像的“方向矢量”，并将结果数字与样本模板中先前已知的数字进行比较......

您的反馈将受到高度赞赏。

Answer 1

我认为你的问题没有一个简单的解决方案。它实际上是一个注册问题，翘曲（在这种情况下，旋转）图像以适应另一个。这是一个已知的难题，因为细分是。

我听说图像处理研究人员说，掌握分割和注册的人掌握了图像处理功能，这可能有点夸张，但它给出了一般的想法。

无论如何，你的技术就是我如何使用它。关注研究门，https://www.researchgate.net/post/How_can_one_determine_the_rotation_angle_between_two_images，许多答案也会顺其自然。替代方案是使用功能匹配，但我不确定它会比您的解决方案更快。

也许您可以查看OpenCV注册方法http://docs.opencv.org/trunk/db/d61/group__reg.html（此链接中的方法使用像素匹配而不是功能匹配，也许它更快）

如何测量图像与已知模板的旋转角度

1 个答案: