图像中的图像算法答案

【问题标题】：Image in Image Algorithm图像中的图像算法
【发布时间】：2011-06-10 20:21:05
【问题描述】：

我需要一种用任何语言编写的算法来查找图像内部的图像，包括不同比例的图像。有谁知道解决此类问题的起点吗？

例如：

我有一张 800x600 的图像，其中有一个周长为 180 像素的黄色球。我需要能够使用周长为 15 像素的黄色球的搜索模式找到此图像。

谢谢

【问题讨论】：

在这种情况下，圆的周长实际上是毫无用处的。
你有这方面的数学训练吗？这只是一些基本的向量空间变换。没有数学就无法解释。

标签： image-processing

【解决方案1】：

这是一个算法：

将图片分割成RGB，取蓝色通道。您会注意到彩色图像中的黄色区域现在在蓝色通道中变暗了。这是因为蓝色和黄色是complementary colors。
反转蓝色通道
创建一个灰度搜索模式，其圆圈的大小与图像中的内容相同（周长为 180 像素）。将其设为黑色背景上的白色圆圈。
计算带有反向蓝色通道的搜索模式的cross-correlation。
互相关峰值将对应于球的位置。

下面是实际的算法：

RGB 和 R：

G 和 B：

倒B和图案：

Python + OpenCV 代码：

import cv
if __name__ == '__main__':
    image = cv.LoadImage('ball-b-inv.png')
    template = cv.LoadImage('ball-pattern-inv.png')

    image_size = cv.GetSize(image)
    template_size = cv.GetSize(template)
    result_size = [ s[0] - s[1] + 1 for s in zip(image_size, template_size) ]

    result = cv.CreateImage(result_size, cv.IPL_DEPTH_32F, 1)

    cv.MatchTemplate(image, template, result, cv.CV_TM_CCORR)

    min_val, max_val, min_loc, max_loc = cv.MinMaxLoc(result)

    print max_loc

结果：

misha@misha-desktop:~/Desktop$ python cross-correlation.py 
(72, 28)

这将为您提供图像中第一次出现的图案的左上角坐标。如果要找到圆心，请将圆的半径添加到 x 和 y 坐标。

【讨论】：

1000x upvotes 先生，在我找到你的答案之前，我已经为此工作了几个小时（我在 C++ 方面很糟糕）。 =)
我用了这个方法，效果很好。但是，如果搜索到的项目具有相同颜色的可选轮廓，则此模式不起作用。如何更改包含圆圈（未填充）与搜索圆圈周围图案相同颜色的原始 iamge 的图案？其实我有一个矩形，但没关系。

【解决方案2】：

使用 opencv 3 和 python 3 制作的先前帖子之一的版本

import cv2
import sys

min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(cv2.matchTemplate(cv2.imread(sys.argv[1]),cv2.imread(sys.argv[2]),cv2.TM_CCOEFF_NORMED))

print(max_loc)

另存为 file.py 并运行为：
python file.py 图像模式

【讨论】：

【解决方案3】：

你应该看看OpenCV，一个开源的计算机视觉库——这是一个很好的起点。具体检查对象检测和cvMatchTemplate 方法。

【讨论】：

【解决方案4】：

如果您想查找圈子，一个简单的起点是Hough transform。

但是，围绕这个主题有一个完整的研究领域，称为对象检测和识别。在过去十年中，最先进的技术取得了显着进步。

【讨论】：