openmv模板匹配实例学习--k210

openmv模板匹配实例学习–k210

19年电赛的条形码，二维码的识别使用k210的自带的find_qrcodes()和find_barcodes()函数（之前的文章检测三码并保存其照片中有使用），最近使用了模板匹配的方法，发现识别的效果更好。

首先让我们学习一下模板匹配的函数，已经了解的可以直接跳到文章末尾查看实例

find_template()

官方文档的解释👇
image.find_template(template, threshold[, roi[, step=2[, search=image.SEARCH_EX]]])

尝试使用归一化互相关(NCC)算法在图像中找到第一个模板匹配的位置。返回匹配位置的边界框元组(x, y, w, h)，否则返回None。
template 是一个与这个图像对象相匹配的小图像对象。注意：两图像须都为灰度图。

threshold 是浮点数（0.0-1.0），其中较小的值在提高检测速率同时增加误报率。相反，较高的值会降低检测速率，同时降低误报率。

roi 是感兴趣区域的矩形元组(x，y，w，h)。如果未指定，ROI即整个图像的图像矩形。 操作范围仅限于 roi 区域内的像素。

step 是查找模板时需要跳过的像素数量。跳过像素可大大提高算法运行的速度。该方法只适用于SERACH_EX模式下的算法。

search 可为 image.SEARCH_DS or image.SEARCH_EX. image.SEARCH_DS 搜索模板所用算法较 image.SEARCH_EX 更快，但若模板位于图像边缘周围，可能无法成功搜索。 image.SEARCH_EX 可对图像进行较为详尽的搜索，但其运行速度远低于 image.SEARCH_DS 。

仅支持灰度图像。

大家想到模板匹配首先想到的都是模板匹配对识别时的环境、距离、光线等要求严格，所以一般实例开发时都不会使用这个方法，但是！！一个模板难以识别，那就对同一个物体进行多模板匹配，这样就可以增加识别到的几率。

下面是提高模板匹配的准确率的一些方法：
要提高模板匹配的准确率，以下是一些建议：

1. 选择具有清晰、明显且唯一特征的模板图像：模板图像应该有与目标图像区分开的独特特征。较复杂的背景或模糊的图像可能会导致匹配不准确。
2. 确保模板图像与目标图像具有相同的灰度格式：在进行模板匹配之前，确保模板图像和目标图像都转换为相同的灰度格式，以便进行正确的像素比较和匹配。
3. 考虑模板图像的大小和比例：模板图像的大小应适合于目标图像中可能出现的目标物体的大小。如果目标物体在实际运行时可能具有不同的比例，可以考虑使用多个不同尺寸的模板图像进行匹配。
4. 选择多个不同的角度和变形的模板图像：如果目标物体可能在实际运行时出现不同的角度或变形，可以选择多个不同角度和变形的模板图像，以增加匹配的准确性。
5. 通过数据增强技术生成更多的训练样本：对于较复杂的目标物体，可以使用数据增强技术生成更多的训练样本，如旋转、缩放、平移和变形等，以扩大模板图像的多样性。

还有！所有的模板都需要将格式转化为pgm的图片，可以在这个网站转换https://convertio.co/zh/bmp-pgm/

---

我自己在使用模板匹配的时候曾想过可不可以将模板的分辨率减小，而运行时的分辨率大，这样像素比较的时候，会不会准确更好。然后进行了测试，发现模板可以选取比运行时的分辨率小的，而且模板应该尽量只包括要是别的物体这样ncc算法在进行比较匹配的时候匹配到的概率会大大提升。

检测方法：大家可以自己测试一下
①准备多张只包含被测物图的模板图片（灰度），然后使用r=img.find_template()函数进行匹配后img.draw_rectangle®,将匹配到的模板圈出来
②反例：准备多张和运行时大小一样的模板也同样使用img.draw_rectangle®函数画出模板
结论:第一种方法圈出来的就只有被测物体，说明只要被测物体的角度大小与模板相同，在运行时的分辨率中存在就会被检测到；同样，第二个方法圈出来的就是整个画面，匹配难度更大，要几乎完全一样才可以被圈出。

---

模板匹配实例

实现功能：
sd卡中保存有两种物体的模板，前五张图片是条形码的灰度图片，后五张是二维码的灰度图片——注意！图片是实际运行时的各角度的图片（大家也需要尽量提高模板的质量来提高模板匹配的准确率）.
当匹配到是条形码时通过串口发送data=1的数据（给飞控当然也可以是其他设备）并且保存当前图片（不超过三张，超过将自动覆盖）,LED亮红灯；
但匹配到二维码时，串口发送数据data=2,并且保存当前图片（不超过三张，超过将自动覆盖）LED亮绿灯;
如果没有匹配到则发送数据data=0，LED亮蓝灯。
亮LED是为了在脱机运行时可以更好的判断是否识别到，识别到什么。

import sensor, image, time, ustruct
from image import SEARCH_EX
from pyb import UART
from pyb import LED

sensor.reset()
sensor.set_contrast(1)
sensor.set_gainceiling(16)
sensor.set_pixformat(sensor.GRAYSCALE)
sensor.set_framesize(sensor.QQVGA)
sensor.set_auto_exposure(False)
sensor.set_auto_whitebal(False)
sensor.skip_frames(time=2000)

uart = UART(3, 115200)
uart.init(115200, bits=8, parity=None, stop=1)

led_red=LED(1)
led_green=LED(2)
led_blue=LED(3)

# Load templates.
templates = ["/1.pgm","/2.pgm", "/3.pgm", "/4.pgm", "/5.pgm", "/6.pgm", "/7.pgm","/8.pgm","/9.pgm","/10.pgm"]

i=0     #条形码保存张数
j=0     #二维码保存张数

# 串口发送函数0x43模板匹配
# 没识别到0，条形码1，二维码2
def uart_send_43(data):
    length = 1
    data = bytearray([0xaa, 0x29, 0x05, 0x43, length, data, 0xbb])
    uart.write(data)



while True:

    img = sensor.snapshot()
    for index, t in enumerate(templates):
        template = image.Image(t)
        r = img.find_template(template,0.7, step=4, search=SEARCH_EX)#step 每次匹配的像素数
        if r:
            print("Matched template:", index+1)
            if index < 5:
                if i<3:
                    img.save("/sd/barc"+str(i+1)+".jpg")
                    print("保存第%d张条形码成功"%(i+1))
                    i=i+1
                else:
                    i=0
                    print("已保存足够的条形码")
                uart_send_43(1)  # 匹配到1-5的模板，发送data=1
                led_red.on()
                led_green.off()
                led_blue.off()
            else:
                uart_send_43(2)  # 匹配到其他模板，发送data=2
                led_red.off()
                led_green.on()
                led_blue.off()
                if j<3:
                    img.save("/sd/qrc"+str(j+1)+".jpg")
                    print("保存第%d张条形码成功"%(j+1))
                    j=j+1
                else:
                    j=0
                    print("已保存足够的条形码")
                
            break
        else:
            led_red.off()
            led_green.off()
            led_blue.on()
            uart_send_43(0)  # 没有匹配到模板，发送data=0

写在最后：模板匹配难点其实在于模板的质量，如果难以得到好的模板，可以试试神经网络。