​OpenCV模板匹配与霍夫变换(python)

  案例 ©Fu Xianjun. All Rights Reserved.

一、读取图像

知识储备：模板匹配的实现过程

模板匹配的操作方法是将模板图像B在图像A上滑动，遍历所有像素以完成匹配。

工作原理：在带检测图像上，从左到右，从上向下计算模板图像与重叠子图像的匹配度，匹配程度越大，两者相同的可能性越大。

局限性： 它只能进行平行移动，若原图像中的匹配目标发 生旋转或大小变化，该算法无效。

二、印花检测

检测多个印花

三、霍夫变换

 知识储备:霍夫变换的函数

lines = cv2.HoughLinesP(image, rho, theta, threshold, minLineLength, maxLineGap)

其中 image: 待处理图像。

rho: (ρ，θ)中ρ的精度。

theta: (ρ，θ)中θ的精度。

threshold: 阈值，(ρ，θ)对应的最低投票数。>=threshold被检测为一条线。

minLineLength：最小长度 maxLineGap：共线线段之间的最小间隔

导入需要的库

进行匹配

知识储备：模板匹配的概念

模板匹配就是在大图中找小图，也就说在一幅图像中寻找另一幅模板图像的位置。\

 知识储备：模板匹配的函数使用

知识储备：霍夫变换的概念

霍夫变换(Hough Transform)是图像处理中的一种特征提取技术，来检测任意能够用数学公式表达的形状，即使这个形状被破坏或者有点扭曲。

霍夫变换将图像空间转变为参数空间，在参数空间中执行投票来决定物体的形状。

1、HoughLines

2、HoughLinesP

3、HoughCircles

四、车道检测