opencvsharp_基于轮廓的形状匹配中匹配坐标与旋转角度

本篇博客不讲理论!

    需要看理论的这里附上三个博客:

① 一步一步实现多尺度多角度的形状匹配算法(C++版本)

② 图像的矩,以及利用矩求图像的重心,方向

③ OpenCV学习(十九) :图像的矩:moments(),HuMoments()


直接上干货!

    以下代码为定位零件的像素位置,旋转角度              emmmmm其他没有……

我们拿着模板(轮廓)去匹配的时候,找到的目标像素坐标为:

首先用Cv2.MatchShapes去筛选图像中的轮廓,然后筛选好的轮廓如果分值达到要求了就拿着这个筛选好的轮廓去计算他的位置坐标:

Moments M1; 
M1 = Cv2.Moments(contours);
double cX = M1.M10 / M1.M00;
double cY = M1.M01 / M1.M00;

那角度计算就需要用到模板轮廓了:

Moments M1; //目标物
M1 = Cv2.Moments(contours_img[min_pos]);
double cX = M1.M10 / M1.M00; double cY = M1.M01 / M1.M00;  //目标物的质心
float a1 = (float)(M1.M20 / M1.M00 - cX * cX);
float b1 = (float)(2 * (M1.M11 / M1.M00 - cX * cY));
float c1 = (float)(M1.M02 / M1.M00 - cY * cY);
double tanAngle1 = Cv2.FastAtan2(b1, a1 - c1) / 2;
// double tempAngle1 = tanAngle1 / 2;

Moments M2; //模板
M2 = Cv2.Moments(imgTemplateContours);
double ic = M2.M10 / M2.M00; double jc = M2.M01 / M2.M00;   //模板的质心
float a2 = (float)(M2.M20 / M2.M00 - ic * ic);
float b2 = (float)(2 * (M2.M11 / M2.M00 - ic * jc));
float c2 = (float)(M2.M02 / M2.M00 - jc * jc);
double tanAngle2 = Cv2.FastAtan2(b2, a2 - c2) / 2;

double aimAngle = tanAngle2 - tanAngle1;//这个即为旋转的角度(单位:°)

 

 

如果没看懂,点击这个链接研究研究

https://blog.csdn.net/qq_48705696/article/details/111059991?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162082631916780261995936%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=162082631916780261995936&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_v2~rank_v29-4-111059991.pc_v2_rank_blog_default&utm_term=OpenCVSharp

  • 4
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
### 回答1: OpenCvSharp是一个基于OpenCV库的开源计算机视觉库,提供了许多图像处理和计算机视觉函数。模板匹配是其的一个功能,可以用于在一幅图像寻找与给定模板相似的部分。 模板匹配的基本思想是,在目标图像滑动模板窗口,与模板进行相似度比较,找到相似度最高的位置作为匹配结果。相似度的度量可以使用不同的方法,如平方差匹配、相关匹配和标准化互相关匹配等。 在OpenCvSharp,我们可以使用`Cv2.MatchTemplate`函数进行模板匹配。这个函数的输入参数包括目标图像、模板图像以及匹配方法。匹配方法是一个枚举类型,可以选择不同的相似度比较方法。 例如,假设目标图像为`sourceImage`,模板图像为`templateImage`,我们可以使用以下代码进行模板匹配: ``` // 将图像转换为灰度图像 var graySource = new Mat(); Cv2.CvtColor(sourceImage, graySource, ColorConversionCodes.BGR2GRAY); // 进行模板匹配 var result = new Mat(); Cv2.MatchTemplate(graySource, templateImage, result, TemplateMatchModes.CCoeffNormed); // 查找匹配结果的最大值和最小值 double minVal, maxVal; Point minLoc, maxLoc; Cv2.MinMaxLoc(result, out minVal, out maxVal, out minLoc, out maxLoc); // 可以选择在目标图像绘制矩形框标识匹配部分 Cv2.Rectangle(sourceImage, new Rect(maxLoc, templateImage.Size()), Scalar.Red, 2); // 显示结果 Cv2.ImShow("Template Matching", sourceImage); Cv2.WaitKey(0); ``` 通过上述代码,我们可以找到目标图像与模板最相似的部分,并将其用红色矩形框标识出来。在实际应用,模板匹配可以用于目标检测、物体跟踪等领域。 ### 回答2: OpenCVSharp是一个基于OpenCVC#开发库,可以用于图像处理和计算机视觉任务。模板匹配是一种在图像寻找特定模式的技术。 模板匹配的过程包括以下步骤: 1. 准备一幅待匹配的源图像和一幅待寻找的模板图像。 2. 通过OpenCVSharp的函数读取图像文件,并将其转换为OpenCV的图像数据类型。 3. 使用OpenCVSharp的模板匹配函数,将源图像与模板图像进行匹配。这些函数包括cv::matchTemplate,cv::minMaxLoc等。 4. 匹配函数会返回一个结果图像,其包含了源图像与模板最接近的区域。可以使用cv::minMaxLoc函数来获取匹配结果的位置坐标。 5. 可以根据需要进一步处理匹配结果,例如在结果图像上绘制矩形框标记出匹配的区域,或者计算匹配的相似度得分。 模板匹配在很多应用都有广泛的应用,例如目标识别、图像分类、图像拼接等。使用OpenCVSharp进行模板匹配可以方便地利用OpenCV的功能和算法来实现这些任务。同时,OpenCVSharp的API也相对简单易用,适合快速开发和原型验证。 总的来说,OpenCVSharp提供了强大的模板匹配功能,可以帮助我们在图像寻找特定模式,并且可以根据匹配结果进行后续的图像处理和分析。 ### 回答3: OpenCvSharp是一个基于OpenCV的开源计算机视觉库,它提供了用于图像处理和分析的函数和类。其一个功能是模板匹配,它可以用于在一副图像查找特定模板的位置。 模板匹配的基本原理是将一个模板图像与目标图像进行比较,通过计算相似度来确定模板在目标图像的位置。 在OpenCvSharp,模板匹配的主要步骤如下: 1. 准备目标图像和模板图像。目标图像是待搜索的图像,而模板图像是要匹配的部分。 2. 选择一个匹配方法。OpenCvSharp提供了几种不同的匹配方法,如平方差匹配、相关性匹配和归一化互相关匹配等。 3. 使用匹配方法进行模板匹配。首先,使用cv2.MatchTemplate函数将模板图像与目标图像进行匹配。然后,通过计算相似度得分来找到最好的匹配位置。 4. 根据相似度得分确定模板在目标图像的位置。可以使用cv2.MinMaxLoc函数找到得分最高的位置,即最佳匹配位置。 5. 可以选择是否进行阈值处理。通过设置适当的阈值,可以将相似度得分低于阈值的匹配位置排除。 6. 可以通过绘制矩形来标记模板在目标图像的位置。可以使用cv2.Rectangle函数在目标图像上绘制矩形框。 总之,OpenCvSharp的模板匹配功能提供了一种方便快捷的方法来查找图像特定模板的位置。通过选择适当的匹配方法和设置适当的阈值,我们可以得到准确的匹配结果。

“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 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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