opencv java模式_Java+opencv3.2.0实现模板匹配

模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术。

函数:imgproc.matchtemplate(mat image, mat templ, mat result, int method)

参数说明:

image:源图像

templ:模板图像

result:比较结果

method:匹配算法

匹配算法:

tm_sqdiff 平方差匹配法:该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。

tm_ccorr 相关匹配法:该方法采用乘法操作;数值越大表明匹配程度越好。

tm_ccoeff 相关系数匹配法:1表示完美的匹配;-1表示最差的匹配。

tm_sqdiff_normed 归一化平方差匹配法。

tm_ccorr_normed 归一化相关匹配法。

tm_ccoeff_normed 归一化相关系数匹配法。

示例代码:

public static void main(string[] args)

{

// todo auto-generated method stub

system.loadlibrary(core.native_library_name);

mat g_tem = imgcodecs.imread("f:\\mould.jpg");

mat g_src = imgcodecs.imread("f:\\source.jpg");

int result_rows = g_src.rows() - g_tem.rows() + 1;

int result_cols = g_src.cols() - g_tem.cols() + 1;

mat g_result = new mat(result_rows, result_cols, cvtype.cv_32fc1);

imgproc.matchtemplate(g_src, g_tem, g_result, imgproc.tm_ccorr_normed); // 归一化平方差匹配法

// imgproc.matchtemplate(g_src, g_tem, g_result,

// imgproc.tm_ccoeff_normed); // 归一化相关系数匹配法

// imgproc.matchtemplate(g_src, g_tem, g_result, imgproc.tm_ccoeff);

// //

// 相关系数匹配法:1表示完美的匹配;-1表示最差的匹配。

// imgproc.matchtemplate(g_src, g_tem, g_result, imgproc.tm_ccorr); //

// 相关匹配法

// imgproc.matchtemplate(g_src, g_tem, g_result,imgproc.tm_sqdiff); //

// 平方差匹配法:该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大。

// imgproc.matchtemplate(g_src, g_tem,g_result,imgproc.tm_ccorr_normed);

// // 归一化相关匹配法

core.normalize(g_result, g_result, 0, 1, core.norm_minmax, -1, new mat());

point matchlocation = new point();

minmaxlocresult mmlr = core.minmaxloc(g_result);

matchlocation = mmlr.maxloc; // 此处使用maxloc还是minloc取决于使用的匹配算法

imgproc.rectangle(g_src, matchlocation,

new point(matchlocation.x + g_tem.cols(), matchlocation.y + g_tem.rows()),

new scalar(0, 0, 0, 0));

imgcodecs.imwrite("f:\\match.jpg", g_src);

}

源图像:

7d160e0982f1b1e47f407566fa9f25b5.png

模板图像:

b79ae178c64b6fecd951915db0c3f4c0.png

匹配结果:

8bd266e8f7eda4793792ce4a0e9662da.png

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持萬仟网。

希望与广大网友互动??

点此进行留言吧!

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
评论
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