洛玖随笔
0%

【OpenCV】使用 OpenCv 进行图片模板匹配

发表于   |   更新于 分类于 ，
本文字数： 2.8k 阅读时长 ≈ 3 分钟 
使用OpenCv在输入图片中匹配模板图片的位置

前言

  做一个项目需要在Android中定位目标位置，现已经可以得到Android屏幕状态，于是需要一个方法来实现这个定位功能，自己也写过1个定位的方法奈何反应太慢，在网上找资料时发现OpenCv已经实现此功能，可以直接使用，欣喜若狂，特此记录一下。

OpenCv是什么？

  • OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉和机器学习软件库。
  • OpenCV是用于图像处理、分析、机器视觉方面的开源函数库.

测试用例

随便找个图片作为输入

随便截取一部分作为模板

需求描述

至此我们需求为在输入图片中匹配寻找模板图片，如下图：

实现步骤

拿到Mat实例

1
2
Mat m_input = Imgcodecs.imread(input_path);//输入
Mat m_template = Imgcodecs.imread(template_path);//模板

创建比较结果图

1
2
3
int result_rows = m_input.rows() - m_template.rows() + 1;
int result_cols = m_input.cols() - m_template.cols() + 1;
Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);

调用 matchTemplate() 进行模板匹配

1
Imgproc.matchTemplate(m_target, m_template, g_result, Imgproc.TM_CCORR_NORMED);

将结果图进行归一化

1
Core.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat());
  • 归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。
  • 归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。
  • 归一化的具体作用是归纳统一样本的统计分布性。
  • 归一化在0-1之间是统计的概率分布，归一化在某个区间上是统计的坐标分布。
  • 归一化有同一、统一和合一的意思。
  • 归一化的目的，是使得没有可比性的数据变得具有可比性，同时又保持相比较的两个数据之间的相对关系，如大小关系；或是为了作图，原来很难在一张图上作出来，归一化后就可以很方便的给出图上的相对位置等。

得到模板位置

1
2
3
Core.MinMaxLocResult mmlr = Core.minMaxLoc(g_result);
Point matchLocation = mmlr.maxLoc; // 此处使用maxLoc还是minLoc取决于使用的匹配算法
System.out.println(matchLocation.x + "-----" + matchLocation.y);

返回模板的中间坐标

1
2
3
4
double x = matchLocation.x + (m_template.cols() / 2);
double y = matchLocation.y + (m_template.rows() / 2);
double[] tile = {x, y};
return tile;

Code:

OpenCv环境搭建移步此文章

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.core.Point;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

import java.io.IOException;

public class FindTileCoordinates {

    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    /**
     * 在目标图片中寻找模板图片
     *
     * @param input_path    输入
     * @param template_path 模板
     * @return
     */
    public double[] searchFor(String input_path, String template_path) {
        Mat m_input = Imgcodecs.imread(input_path);
        Mat m_template = Imgcodecs.imread(template_path);
        
        int result_rows = m_input.rows() - m_template.rows() + 1;
        int result_cols = m_input.cols() - m_template.cols() + 1;
        Mat g_result = new Mat(result_rows, result_cols, CvType.CV_32FC1);
        
        Imgproc.matchTemplate(m_input, m_template, g_result, Imgproc.TM_CCORR_NORMED);
        
        Core.normalize(g_result, g_result, 0, 1, Core.NORM_MINMAX, -1, new Mat());
        Core.MinMaxLocResult mmlr = Core.minMaxLoc(g_result);
        Point matchLocation = mmlr.maxLoc;
        
        double x = matchLocation.x + (m_template.cols() / 2);
        double y = matchLocation.y + (m_template.rows() / 2);
        double[] tile = {x, y};
        return tile;
    }


    public static void main(String[] args) throws IOException {
        double[] doubles = new FindTileCoordinates().searchFor(
                "input.png",
                "template.png"
        );
        System.out.println(doubles[0] + "-----" + doubles[1]);
    }

}

结果

符合要求

文章到此就结束啦，感谢查阅。