企业官网建设流程全解析

简单的网站建设合同书,wordpress不同分类不同模板,高效网站建设咨询,做网站需要画原型图么基于形状的模板匹配#xff0c;多模板匹配#xff0c;支持旋转、缩放、亚像素位置提取#xff0c;动态链接库#xff0c;C/C#都可使用#xff0c;在计算机视觉领域#xff0c;基于形状的模板匹配是一项非常重要的技术#xff0c;它在目标识别、图像检测等诸多场景都有广…基于形状的模板匹配多模板匹配支持旋转、缩放、亚像素位置提取动态链接库C/C#都可使用在计算机视觉领域基于形状的模板匹配是一项非常重要的技术它在目标识别、图像检测等诸多场景都有广泛应用。今天咱就来深入聊聊这其中涉及到支持旋转、缩放、亚像素位置提取还能通过动态链接库让C 与C# 都能使用的多模板匹配技术。基于形状的模板匹配基础基于形状的模板匹配简单来说就是在一幅图像中寻找与给定模板形状相似的目标。传统的模板匹配可能只是单纯比对像素值但基于形状的匹配更侧重于目标的轮廓和几何特征这使得它对光照变化、噪声等干扰有更好的鲁棒性。多模板匹配实际应用中我们常常需要在一幅图像里查找多个不同的目标这就用到多模板匹配。比如在一个复杂的工业零件图像中要同时找出不同型号的螺丝、螺母等零件。假设我们用OpenCV库来实现多模板匹配在C 里代码大概像这样#include opencv2/opencv.hpp #include iostream using namespace cv; using namespace std; int main() { Mat image imread(input_image.jpg, IMREAD_GRAYSCALE); Mat template1 imread(template1.jpg, IMREAD_GRAYSCALE); Mat template2 imread(template2.jpg, IMREAD_GRAYSCALE); if (image.empty() || template1.empty() || template2.empty()) { cout Could not open or find the images endl; return -1; } Mat result1, result2; int match_method TM_CCOEFF_NORMED; matchTemplate(image, template1, result1, match_method); matchTemplate(image, template2, result2, match_method); normalize(result1, result1, 0, 1, NORM_MINMAX, -1, Mat()); normalize(result2, result2, 0, 1, NORM_MINMAX, -1, Mat()); double minVal1, maxVal1; Point minLoc1, maxLoc1; minMaxLoc(result1, minVal1, maxVal1, minLoc1, maxLoc1, Mat()); double minVal2, maxVal2; Point minLoc2, maxLoc2; minMaxLoc(result2, minVal2, maxVal2, minLoc2, maxLoc2, Mat()); rectangle(image, maxLoc1, Point(maxLoc1.x template1.cols, maxLoc1.y template1.rows), Scalar(0, 255, 0), 2, 8, 0); rectangle(image, maxLoc2, Point(maxLoc2.x template2.cols, maxLoc2.y template2.rows), Scalar(0, 255, 0), 2, 8, 0); imshow(Matched Image, image); waitKey(0); return 0; }这段代码首先读取输入图像和两个模板图像然后使用matchTemplate函数分别对两个模板在图像上进行匹配再通过normalize函数对匹配结果进行归一化处理最后找出匹配度最高的位置并在原图上画出矩形框标记出目标位置。支持旋转、缩放实际场景中的目标可能存在旋转和缩放变化这就需要更复杂的处理。我们可以使用一些特征描述子比如SIFT尺度不变特征变换或SURF加速稳健特征。以SIFT为例C 代码如下#include opencv2/opencv.hpp #include opencv2/xfeatures2d.hpp using namespace cv; using namespace cv::xfeatures2d; int main() { Mat image imread(input_image.jpg, IMREAD_GRAYSCALE); Mat templateImage imread(template_image.jpg, IMREAD_GRAYSCALE); PtrSIFT detector SIFT::create(); std::vectorKeyPoint keypoints1, keypoints2; Mat descriptors1, descriptors2; detector-detectAndCompute(image, Mat(), keypoints1, descriptors1); detector-detectAndCompute(templateImage, Mat(), keypoints2, descriptors2); PtrDescriptorMatcher matcher DescriptorMatcher::create(DescriptorMatcher::FLANNBASED); std::vectorstd::vectorDMatch knnMatches; matcher-knnMatch(descriptors1, descriptors2, knnMatches, 2); std::vectorDMatch goodMatches; for (size_t i 0; i knnMatches.size(); i) { if (knnMatches[i][0].distance 0.7 * knnMatches[i][1].distance) { goodMatches.push_back(knnMatches[i][0]); } } Mat imgMatches; drawMatches(image, keypoints1, templateImage, keypoints2, goodMatches, imgMatches, Scalar::all(-1), Scalar::all(-1), std::vectorchar(), DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS); imshow(Matches, imgMatches); waitKey(0); return 0; }这里代码利用SIFT检测器提取图像和模板的关键点与描述子通过FLANN匹配器进行匹配并筛选出较好的匹配点最后画出匹配结果。SIFT的特性使得它能够在一定程度上应对目标的旋转和缩放变化。亚像素位置提取有时候我们需要更精确地定位目标亚像素位置提取就派上用场了。OpenCV中可以利用cornerSubPix函数来实现。// 假设已经找到关键点keypoints Mat image imread(input_image.jpg, IMREAD_GRAYSCALE); TermCriteria criteria TermCriteria(TermCriteria::EPS TermCriteria::MAX_ITER, 40, 0.001); cornerSubPix(image, keypoints, Size(5, 5), Size(-1, -1), criteria);这段代码对已有的关键点进行亚像素级别的优化通过设置终止条件不断迭代直到满足精度要求从而得到更精确的关键点位置。动态链接库实现C/C# 通用为了让C 和C# 都能使用上述功能我们可以创建动态链接库DLL。在C 中创建DLL比如定义一个函数用于模板匹配// dllmain.cpp : 定义 DLL 应用程序的入口点。 #include stdafx.h #include opencv2/opencv.hpp extern C __declspec(dllexport) void MatchTemplateInDLL(const char* imagePath, const char* templatePath) { Mat image imread(imagePath, IMREAD_GRAYSCALE); Mat templateImage imread(templatePath, IMREAD_GRAYSCALE); Mat result; int match_method TM_CCOEFF_NORMED; matchTemplate(image, templateImage, result, match_method); normalize(result, result, 0, 1, NORM_MINMAX, -1, Mat()); double minVal, maxVal; Point minLoc, maxLoc; minMaxLoc(result, minVal, maxVal, minLoc, maxLoc, Mat()); rectangle(image, maxLoc, Point(maxLoc.x templateImage.cols, maxLoc.y templateImage.rows), Scalar(0, 255, 0), 2, 8, 0); imshow(Matched in DLL, image); waitKey(0); }在C# 中调用这个DLL函数using System; using System.Runtime.InteropServices; class Program { [DllImport(YourDLLName.dll, EntryPoint MatchTemplateInDLL, CharSet CharSet.Ansi)] public static extern void MatchTemplateInDLL(string imagePath, string templatePath); static void Main() { string imagePath input_image.jpg; string templatePath template_image.jpg; MatchTemplateInDLL(imagePath, templatePath); } }这样通过动态链接库实现了C 与C# 对基于形状模板匹配功能的通用调用。总之基于形状的多模板匹配结合旋转、缩放、亚像素位置提取以及动态链接库的使用为计算机视觉应用提供了强大而灵活的工具在工业检测、安防监控等众多领域都有着广阔的应用前景。