openCV实现halcon的基于形状的匹配

最新推荐文章于 2024-03-19 21:37:45 发布
最新推荐文章于 2024-03-19 21:37:45 发布
阅读量3.2k 收藏 16
点赞数 2
分类专栏： 计算机视觉 文章标签： 目标检测 计算机视觉 图像处理 视觉检测 边缘计算
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/manuoo/article/details/119799630
版权

        研究基于形状的匹配好久了，最近终于找到些突破的地方，单个角度的模板匹配在10ms以内，360个角度的模板匹配在100ms左右，全部用opencv实现。

 

MWWZ
关注
  • 2
    点赞
  • 踩
  • 16
    收藏
    觉得还不错? 一键收藏
  • 12
    评论
专栏目录
订阅专栏
C#+halcon和opencv模板匹配
11-16
用来清理网盘的视频的工具， 用了halcon模板匹配和opencv模板匹配2种方法，感觉固定角度的匹配opencv好像快一点，而且稳定一点。
OpenCV基于形状的模板匹配
qq_44870829的博客
12-11 9438
OpenCV基于形状的模板匹配引言基于形状的匹配算法具体代码KcgMatch.hKcgMatch.cppmain.cpp匹配的结果 引言 在OpenCV中有个用于模板匹配的基本函数matchTemplate()，该函数使用某模板在搜索图像中进行搜索时，只能搜索到和模板完全一样的地方，一旦在搜索图像中要搜索的区域相较于模板是旋转了、放大缩小了或者部分遮掩了就无法匹配到结果了。 而在halcon中有个基于形状匹配的算子，这个算子非常好用，随便截取一个ROI区域做模板就可以在搜索图像中匹配到相似的区域，并且能输
Halcon——模板匹配
最新发布
一个不掉头发的资深小白
03-19 816
组件匹配用于在图像中检测和识别符合特定形状和属性的组件或物体。相当于是形状的拓展，但是不支持大小缩放匹配。适用于多个对象定位的场合。基于形状的模板匹配方法，可以用于检测和定位具有特定形状的对象。这种方法通常适用于对形状较为明显的目标进行匹配定位。
使用OpenCV实现Halcon算法（3）基于轮廓的模板匹配
$firecat利白的代码足迹$
05-19 8273
〇.算法效果展示 0.1要定位的模板一 找到的匹配 在有污损情况下找到的匹配 0.2要定位的模板2 找到的匹配 一． 理论部分 模板匹配的算法包括基于灰度的匹配，基于特征的匹配，基于组件的匹配，基于相关性的匹配以及局部变形匹配。基于灰度的匹配一般应用在没有缩放和旋转，颜色变化不大的场合。基于特征的匹配一般应用在具有缩放和旋转，颜色变化较大的场合。在模板各个组件有相对位移的情况下，使用基于组件的匹配算法。在图像模糊，目标定位不依赖于边缘的情况下一般使用基于相关性的..
使用OpenCV实现Halcon算法（7）选择轮廓，select_shape
$firecat利白的代码足迹$
07-23 3472
当然Halcon是在背后做了许多工作的。几行代码中，比较重要的是算子就是"select_shape"。这个算子的参数很多，我也就比较熟悉这两种。如果我想在Opencv中也要这样的结果，就需要自己动手尝试实现。实现过程中我采用了类似的函数名表示敬意。24位图8位图。...
OpenCV图形模板匹配
新知的博客
05-24 200
OpenCV图形模板匹配 # !/user/bin/env python # -*- coding: utf-8 -*- import os import sys import cv2 import numpy as np from PyQt5.QtCore import QRect, QPoint def checkPoint(point, rects): for rect in rects: if rect.contains(QPoint(point[0], point[1]
基于openCV的形状模版匹配
阿空的日常
07-05 2万+
基于openCV的形状模版匹配初衷思路1.生成旋转模版的问题2.遍历边缘点还是进行卷积的问题3.遍历运算速度过慢函数 初衷 果然halcon用顺手了，人就变懒了，正好有项目需要自己写个形状匹配的程序，就拿来练练手，程序不是很复杂，速度上感觉和halcon里面find_scaled_shape_model还是有差距，目前也不知道如何进一步改进，暂时就先这样了。大佬们如果有什么改进的想法可以评论一下，...
OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours()
小菜鸡的小博客
04-19 5566
OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours() 目录OpenCV计算机图像处理 —— 凸性缺陷 + 点多边形测试 + 形状匹配 + 轮廓分层与cv.findContours()1. 凸性缺陷2. 点多边形测试3. 形状匹配4. 轮廓分层与cv.findContours()4.1 轮廓分层与cv.findcontours()的关系4.2 轮廓检索模式（四种参数） 1. 凸性缺陷 一般来说凸曲线都是凸出或平坦的曲线，如
尝试用OpenCV的模板匹配来定位和检测
热门推荐
CosmosHua
06-01 2万+
1.OpenCV的模板匹配函数：CV_EXPORTS_W void matchTemplate( InputArray image, InputArray templ, OutputArray result, int method );模板匹配的工作方式： 跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像image上滑动图像块，对实际的图像块和模板图像templ进行匹配。 假设我们有
037-OpenCV轮廓特征应用-最小外接矩形
weixin_48013634的博客
02-05 3905
话不多说，上代码，看结果。 import cv2 # 导入库 import numpy as np font = cv2.FONT_HERSHEY_SIMPLEX ''' cv2.imread(filename,flags) # filename为文件名，图片与.py文件在一个文件夹时输入文件名即可 # 不在一个文件夹时输入图片的路径和名字 # flags为图片的颜色类型，默认为1，灰度图像为0 ''' img = cv2.imread('39.jpg') '''
我的Qt作品（12）使用Qt+OpenCV实现一个带旋转角度的Shape形状匹配演示软件
$firecat利白的代码足迹$
02-28 6883
但是Edge Based Template Matching项目本身是不支持旋转角度和金字塔分级的，所以需要自己实现这些功能。使用Qt+OpenCV自己写了一个带旋转角度的形状匹配算子以及它的演示软件。1、形状匹配的原理可以参考印度小哥的开源项目，Edge Based Template Matching。2、推荐阅读书籍《机器视觉算法与应用(第2版)》，halcon作者编写，3.11章节，模板匹配。创建模板，对照学习halcon的算子create_shape_model。二、本篇的演示软件主要功能：（
OpenCV实现halcon卡尺工具
06-10
基于OpenCV实现，仿Halcon卡尺工具
基于opencv的模板匹配
04-27
基于opencv的模板匹配的代码，代码中包含了丰富的注释，非常适合初学者
shape_based_matching:尝试实现基于halcon形状的匹配，请参考halcon工程师编写的机器视觉算法和应用程序，第317 3.11.5页
05-06
halcon匹配解决方案指南，用于选择匹配方法（ ）：脚步将test.cpp第9行的前缀更改为顶级文件夹在cmakeList第23行中，将/ opt / ros / kinetic更改为可以找到opencv3的位置（如果在默认环境中安装了opencv3，则无需...
基于OpenCV实现卡尺工具.rar
11-02
基于OpenCV实现仿halcon卡尺工具源码
Opencv之利用matchshape算子实现简单的形状匹配
Kevin_Sun777的博客
12-19 9086
Opencv之利用matchshape算子实现简单的形状匹配
OpenCV形状匹配基础版
qq_42857680的博客
09-15 3489
opencv多角度形状匹配
使用OpenCV实现Halcon算法（4）OpenCV实现边缘模板匹配算法
$firecat利白的代码足迹$
05-20 5426
本文转自：OpenCV研习社 背景概述 OpenCV中自带的模板匹配算法，完全是像素基本的模板匹配，特别容易受到光照影响，光照稍微有所不同，该方法就会歇菜了！搞得很多OpenCV初学者刚学习到该方法时候很开心，一用该方法马上很伤心，悲喜交加，充分感受到了理想与现实的距离，不过没关系，这里介绍一种新的模板匹配算法，主要是基于图像边缘梯度，它对图像光照与像素迁移都有很强的抗干扰能力，据说Halcon的模板匹配就是基于此的加速版本，在工业应用场景中已经得到广泛使用。 算法原理 该算法主要是基于图像梯度.
opencv简单形状匹配
雪剑封心
01-25 1195
两张图像进行比较，查看轮廓形状相似度 import cv2 import numpy as np def cv_show(neme, img): # cv2.namedWindow(neme, cv2.WINDOW_NORMAL) cv2.imshow(neme, img) cv2.waitKey(0) cv2.destroyAllWindows() img1 = cv2.imread("ce.png", 0) img2 = cv2.imread("ce.png",
opencv实现halcon的模板匹配
08-16
在OpenCV中实现Halcon的模板匹配是有一定的挑战性的。OpenCV中自带的模板匹配算法是像素基本的模板匹配，容易受到光照影响，光照稍微有所不同，该方法就会失效。因此，如果想要实现类似Halcon的模板匹配算法，可以考虑基于图像边缘梯度的方法。 引用中提到的基于图像边缘梯度的模板匹配算法对图像光照与像素迁移都有很强的抗干扰能力，并且在工业应用场景中已经得到广泛使用。这种算法主要是通过提取图像的边缘信息和梯度信息来进行模板匹配，能够更好地适应光照变化和像素变化。 然而，需要注意的是，OpenCV中并没有直接提供基于图像边缘梯度的模板匹配算法。如果想要实现类似的功能，可能需要根据具体的需求和场景自己编写代码或者借助第三方库。 总而言之，要在OpenCV中实现Halcon的模板匹配，可以考虑基于图像边缘梯度的方法，但需要自己编写相应的代码或者借助第三方库来实现。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [使用OpenCV实现Halcon算法（3）基于轮廓的模板匹配](https://blog.csdn.net/libaineu2004/article/details/117021634)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [使用OpenCV实现Halcon算法（4）OpenCV实现边缘模板匹配算法](https://blog.csdn.net/libaineu2004/article/details/117063718)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [opencv获取模板和模板匹配](https://blog.csdn.net/the_future_way/article/details/110448796)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值