python一张大图找小图的个数

python一张大图找小图的个数

一、背景

有时候我们在浏览网站时，发现都是前端搞出来的一张张图，我们只能用盯住屏幕的小眼睛看着，很累的统计，这个是我在项目中发现没办法统计，网上的教程很多，都不成功，可能我的开发环境比较简单，我也不想配置那么复杂。经过我三天的整理，先取趟出一条路，后面的人直接放在自己的项目中，就不用再费时间了。先收藏着不然遇到了找不了

删除线格式

二、解决办法

直接上代码：

1、 不区分颜色

import cv2
import numpy as np
img_rgb = cv2.imread(r'G:/0001/1.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread(r'G:/0001/0.jpg', 0)
h, w = template.shape[:2]

res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
threshold = 0.8
# 取匹配程度大于%80的坐标
loc = np.where(res >= threshold)

#np.where返回的坐标值(x,y)是(h,w)，注意h,w的顺序

for pt in zip(*loc[::-1]):
    bottom_right = (pt[0] + w, pt[1] + h)
    cv2.rectangle(img_rgb, pt, bottom_right, (0, 0, 255), 2)
    m_00 = pt[1]
    
print("小图在大图中的个数{}".format(m_00 + 1))

二、 区分颜色（# python检测图中红色五角星数量）

# python检测图中红色五角星数量
import cv2
import numpy as np
import matplotlib.pyplot as plt
 
# 读取图像并转换为HSV格式
image = cv2.imread(r"G:/0000/2024_03_06_00_46_31_19.jpg") # 替换成自己的图片路径
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
 
# 设置红色阈值
lower_red = np.array([0, 70, 50])
upper_red = np.array([10, 255, 255])
mask = cv2.inRange(hsv_image, lower_red, upper_red)
 
# 形态学运算
kernel = np.ones((5, 5), np.uint8)
dilated_mask = cv2.morphologyEx(mask, cv2.MORPH_DILATE, kernel, iterations=1)

# 查找轮廓 
contours, _ = cv2.findContours(dilated_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
star_count = 0
for contour in contours:
    area = cv2.contourArea(contour)
    if area > 100: # 调整此阈值以控制最小五角星面积
        star_count += 1
print("Red Star Count:", star_count)

大家有啥好的建议，可以评论转发。写的比较简单，越简单运行速度越飚，直接上高速。