多角度、多尺度、多目标的边缘模板匹配

原创 OpenCV学堂 2024-02-11 21:34

TI MCU方案：电动汽车实时控制 构建AI未来，Arm计算平台无处不在

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

算法说明

OpenCV中自带的模板匹配算法，完全是像素基本的模板匹配，特别容易受到光照影响，光照稍微有所不同，该方法就会歇菜了！搞得很多OpenCV初学者刚学习到该方法时候很开心，一用该方法马上很伤心，悲喜交加，充分感受到了理想与现实的距离，不过没关系，这里介绍一种新的模板匹配算法，主要是基于图像边缘梯度，它对图像光照与像素迁移都有很强的抗干扰能力，在工业应用场景中已经得到广泛使用。基本原理主要是基于梯度跟边缘实现NCC计算与匹配，首先计算梯度：

然后计算NCC开启匹配搜索：

代码实现与演示

说实话我也不是从零开始的，之前我写过一个版本，但是我发现一个别人写好的一个原始版本，好像是这个算法的作者自己写，基于OpenCV3.x版本完成的，链接如下：

https://github.com/daxiaHuang/edge-template-match/tree/master

同时原始版本不支持多角度、多对象、多尺度，所以我在这个上面一通狂改，就让它各种支持了，这个大概花了我三天时间。最终我给他们封装成两个类，配合上Qt C++ 的一个界面，通过点点鼠标即可运行。客户端直接调用API即可，客户端代码如下：

task.initailization(tpl);
task.detect(target, results);
for (auto item : results) {
    for (auto pt : item.pts) {
        cv::circle(result, pt, 1, cv::Scalar(0, 255, 0), 1, 8);
    }
    cv::RotatedRect rrt = cv::minAreaRect(item.pts);
    cv::Point2f minbox[4];
    rrt.points(minbox);
    for (int r = 0; r < 4; r++)
    {
        cv::line(result, minbox[r], minbox[(r + 1) % 4], cv::Scalar(0, 0, 255), 2, 8);
    }

    std::cout << "conf: " << item.conf << std::endl;
    cv::putText(result, cv::format("conf:%.2f, angle:%d", item.conf, item.angle), item.center, cv::FONT_HERSHEY_SIMPLEX, .5, cv::Scalar(255, 0, 0), 1, 8);
}