这篇文章主要介绍“Opencv图色识别的用法”,在日常操作中,相信很多人在Opencv图色识别的用法问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答”Opencv图色识别的用法”的疑惑有所帮助!接下来,请跟着小编一起来学习吧!
最近研究了一下图色识别,想用opencv测试一下,这里记录一下过程。
参考网上的教程主要使用matchTemplate这个函数,看一下python的版本
两张图片:
生成图片
可以看到通过模板(第一张图)准确的匹配出了在第二张图中的位置,我们改一下代码打印一下时间
性能确实强劲,整个图片扫描和过滤阀值使用了5毫秒左右
考虑的实际部署可能使用c++,顺便测试一下
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;
const char *image_window = "Source Image";
const char *templ_window = "Templ window";
void matchingMethod(Mat &img, Mat &templ);
int main(int argc, char **argv)
{
Mat img = imread(argv[1], IMREAD_GRAYSCALE);
Mat templ = imread(argv[2], IMREAD_GRAYSCALE);
matchingMethod(img, templ);
waitKey(0);
return 0;
}
void matchingMethod(Mat &img, Mat &templ)
{
TickMeter tm;
cout << "开始...\n";
tm.start();
Mat result;
matchTemplate(img, templ, result, 5);
int cols = templ.cols;
int rows = templ.rows;
int width = result.cols;
float *ip = (float *)result.data;
for (int i = 0, ilenght = result.rows; i < ilenght; i++)
{
for (int j = 0, jlenght = result.cols; j < jlenght; j++)
{
int index = i * width + j;
if (ip[index] >= 0.8) //大于0.8视为命中
{
Point p1 = Point(j, i);
Point p2 = Point(j + cols, i + rows);
rectangle(img, p1, p2, Scalar::all(255), 1, 1, 0);
}
}
}
tm.stop();
cout << "花费时间: " << tm.getTimeMilli() << "ms" << endl;
cout << "结束.\n";
imshow(image_window, img);
imshow(templ_window, templ);
}
由于在c++里面不能使用numpy库,所以在阀值过滤的时候使用了双重for循环,也尝试过其他函数发现要在矩阵里面过滤阀值直接获取索引的函数我没有找到(对于并行操作来说这样两个for循环肯定效率很低),后面找到了再补充,运行看一下效果:
编译,使用-O2优化:
g++ -std=c++11 -O2 main.cpp -o main `pkg-config --cflags –libs opencv4`
看一下效果
时间跟python差不多,如果去掉rectangle应该是要比python快的,如果能够把阀值过滤通过矩阵的方式操作应该时间会更短。
到此,关于“Opencv图色识别的用法”的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注亿速云网站,小编会继续努力为大家带来更多实用的文章!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。