Question

我有以下用于识别对象/符号的代码。我的问题是如何改进我的代码，以便在距离更近或更远时识别对象？假设我加载了一个符号，我需要在不同的范围内识别它。

import cv2
import numpy as np

#Camera
cap = cv2.VideoCapture(0)

#symbool inladen
symbool = cv2.imread('klaver.jpg',0)
w, h = symbool.shape[::-1]

while(1):

    res, frame = cap.read()
    img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    res = cv2.matchTemplate(img_gray,symbool,cv2.TM_CCOEFF_NORMED)

    threshold = 0.9
    loc = np.where( res >= threshold)
    for pt in zip(*loc[::-1]):
       # print "hallo"
        cv2.rectangle(img_gray, pt, (pt[0] + w, pt[1] + h), (0,255,255), 1)
    cv2.imshow('Resultaat', img_gray)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

已更新：

我已经尝试了下面的教程并提出了以下内容。问题是识别对象，这个方法是绘制随机矩形而不是专注于它自己的对象/符号

import cv2
import numpy as np
import imutils

#Camera
cap = cv2.VideoCapture(0)

#symbool inladen
symbool = cv2.imread('klaver.jpg',0)
w, h = symbool.shape[::-1]

while(1):

    res, frame = cap.read()
    img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    found = None
    #res = cv2.matchTemplate(img_gray,symbool,cv2.TM_CCOEFF_NORMED)
    for scale in np.linspace(0.2, 1.0, 20)[::-1]:

            resized = imutils.resize(img_gray, width = int(img_gray.shape[1] * scale))
            r = img_gray.shape[1] / float(resized.shape[1])

            if resized.shape[0] < h or resized.shape[1] < w:
                break

            edged = cv2.Canny(resized, 50, 200)
            result = cv2.matchTemplate(edged, symbool, cv2.TM_CCOEFF_NORMED)
            (_, maxVal, _, maxLoc) = cv2.minMaxLoc(result)

            clone = np.dstack([edged, edged, edged])
            cv2.rectangle(clone, (maxLoc[0], maxLoc[1]),
            (maxLoc[0] + w, maxLoc[1] + h), (0, 0, 255), 2)

            if found is None or maxVal > found[0]:
                    found = (maxVal, maxLoc, r)

    (_, maxLoc, r) = found
    (startX, startY) = (int(maxLoc[0] * r), int(maxLoc[1] * r))
    (endX, endY) = (int((maxLoc[0] + w) * r), int((maxLoc[1] + h) * r))


    threshold = 0.9
    loc = np.where( result >= threshold)
    for pt in zip(*loc[::-1]):
       # print "hallo"
       # cv2.rectangle(img_gray, pt, (pt[0] + w, pt[1] + h), (0,255,255), 1)
        cv2.rectangle(img_gray, (startX, startY), (endX, endY), (0, 255, 255), 1)
    cv2.imshow('Resultaat', img_gray)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()

Answer 1

在同一框架内工作的最简单方法是实现金字塔方法。只需以多种分辨率加载图像（或模板）并循环显示。这是Python + OpenCV代码的一个很好的指南：http://www.pyimagesearch.com/2015/01/26/multi-scale-template-matching-using-python-opencv/

此方法是提供比例不变的模板匹配。使用特征检测（关键点）可以获得更强大的功能，这使您可以对模板执行缩放和旋转不变性。有关使用SURF的示例，请参阅http://robocv.blogspot.com/2012/02/real-time-object-detection-in-opencv.html。

编辑以回应OP的评论如下！

要解决您的第二个代码段，有一些问题，但您比您想象的更接近！

它使用Canny边缘作为视频帧，但不是模板。应该为两者做Canny，或者没有。在这个例子中，他使用Canny，它非常适合查找文本徽标，但如果你的模板是一个到处出现的基本形状，那就不那么好了。例如，我在纸上画了一个加号用作模板，它也希望选择我图像中的每个角落。仅使用常规图像而不是边缘图像，对我的模板效果更好。
您仍在使用loc = np.where(result >= threshold)，但您已将最大值及其相应位置存储在found中。您需要做的只是在maxVal >= threshold。
此任务的阈值太高了。当模板可以处于任何比例时你不应该期望90％的匹配，并且你只计算一些离散的比例，特别是因为你的模板每次都可能不完全是直的。

import cv2
import numpy as np

#Camera
cap = cv2.VideoCapture(0)

#symbool inladen
symbool = cv2.imread('klaver.jpg',0)
w, h = symbool.shape[::-1]

while(1):

    res, frame = cap.read()
    img_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    found = None
    #res = cv2.matchTemplate(img_gray,symbool,cv2.TM_CCOEFF_NORMED)
    for scale in np.linspace(0.2, 1.0, 20)[::-1]:

            resized = cv2.resize(img_gray, None, fx=scale, fy=scale)
            r = img_gray.shape[1] / float(resized.shape[1])

            if resized.shape[0] < h or resized.shape[1] < w:
                break

            result = cv2.matchTemplate(resized, symbool, cv2.TM_CCOEFF_NORMED)
            (_, maxVal, _, maxLoc) = cv2.minMaxLoc(result)

            if found is None or maxVal > found[0]:
                    found = (maxVal, maxLoc, r)

    (maxVal, maxLoc, r) = found
    (startX, startY) = (int(maxLoc[0] * r), int(maxLoc[1] * r))
    (endX, endY) = (int((maxLoc[0] + w) * r), int((maxLoc[1] + h) * r))


    threshold = 0.5
    if maxVal >= threshold: 
       cv2.rectangle(img_gray, (startX, startY), (endX, endY), (0, 255, 255), 1)
    cv2.imshow('Resultaat', img_gray)
    k = cv2.waitKey(5) & 0xFF
    if k == 27:
        print(maxVal)
        break

cap.release()
cv2.destroyAllWindows()

python opencv live camera feed，scale object

1 个答案: