[OpenCV_Python]模板匹配

2019-01-21 08:40:08 织梦安装使用
  • 文章介绍
杨浩成 杨浩成

1.Template Matching(模板匹配)

模板匹配是一种在较大图像中搜索和查找模板图像位置的方法。OpenCV提供了一个函数cv2.matchTemplate()。它只是在输入图像上滑动模板图像(如在2D卷积中),并比较模板图像下的输入图像的模板和补丁。在OpenCV中实现了几种比较方法。它返回一个灰度图像,其中每个像素表示该像素的邻域与模板匹配的程度。

假设输入图像的大小(WxH)且模板图像的大小(wxh),则输出图像的大小为(W-w + 1,H-h + 1)。获得结果后,可以使用cv2.minMaxLoc()函数查找最大/最小值的位置。将其作为矩形的左上角,并将(w,h)作为矩形的宽度和高度。那个矩形是你的模板区域匹配后得到的区域。

2.匹配实例

找出一张电路的图像中,指定的芯片,并标记出来

 1import cv2
2import numpy as np
3
4# 读取名称为 p20.png 的图片,并转成黑白
5img = cv2.imread("/home/yhch/Pictures/P20.png",1)
6gray = cv2.imread("/home/yhch/Pictures/P20.png",0)
7cv2.imshow(pic,gray)
8
9# 读取需要检测的模板图片(黑白)
10img_template = cv2.imread("/home/yhch/Pictures/P20_temp.png",0)
11# 得到图片的高和宽
12w, h = img_template.shape[::-1]
13print(w,h)
14
15
16# 模板匹配操作
17res = cv2.matchTemplate(gray,img_template,cv2.TM_SQDIFF)
18
19# 得到最大和最小值得位置
20
21min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
22top_left = min_loc #左上角的位置
23bottom_right = (top_left[0] + w, top_left[1] + h) #右下角的位
24
25# 在原图上画矩形
26cv2.rectangle(img,top_left, bottom_right, (0,0,255), 2)
27
28# 显示原图和处理后的图像
29cv2.imshow("img_template",img_template)
30cv2.imshow("processed",img)
31cv2.waitKey(0
运行效果
img

3. API

  • 用法

    cv2.matchTemplata(img_big,img_temp,cv2.method)

    img_big:在该图上查找图像
    img_temp:待查找的图像,模板图像
    method: 模板匹配的方法

  • 关于参数 method:

methodintroduce
CV_TM_SQDIFF 平方差匹配法该方法采用平方差来进行匹配;最好的匹配值为0;匹配越差,匹配值越大
CV_TM_CCORR 相关匹配法该方法采用乘法操作;数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法1表示完美的匹配;-1表示最差的匹配。
CV_TM_SQDIFF_NORMED归一化平方差匹配法
CV_TM_CCORR_NORMED归一化相关匹配法
CV_TM_CCOEFF_NORMED归一化相关系数匹配法

4.与多个对象匹配的模板

在上一实例,搜索了芯片的图像,该图像仅在图像中出现一次。如果正在搜索的图像中有多个对象出现,cv2.minMaxLoc()就不会为提供模板图像所有位置。在这种情况下,可以使用阈值来匹配多个对象。在这个例子中,使用了游戏Mario的截图,会在其中找到硬币并标记出来。

 1import cv2
2import numpy as np
3
4im_rgb = cv2.imread(/home/yhch/Pictures/mario.png)
5
6cv2.imshow(im,im_rgb)
7im_gray = cv2.cvtColor(im_rgb,cv2.COLOR_BGR2GRAY)
8
9template = cv2.imread(/home/yhch/Pictures/mario_coin.png,0)
10w,h = template.shape[::-1]
11
12res = cv2.matchTemplate(im_gray,template,cv2.TM_CCOEFF_NORMED)
13threshold = 0.9
14loc = np.where(res>=threshold)
15
16
17for pt in zip(*loc[::-1]):
18    cv2.rectangle(im_rgb,pt,(pt[0]+w,pt[1]+h),(0,0,255),1)
19
20cv2.imshow(res.png,im_rgb)
21cv2.waitKey(0
运行效果
img
说明
  • python3数组的倒序 a[::-1]

    >>> list = [1,2,3,4,5,6]
    >>>print(list[::-1])
       [6, 5, 4, 3, 2, 1]
    >>>arry = ([1,2,3],[4,5,6])
    print(arry[::-1])
       ([4, 5, 6], [1, 2, 3])

  • python3 zip() 函数

zip() 函数用于将可迭代的对象作为参数,将对象中对应的元素打包成一个个元组,然后返回由这些元组组成的对象,这样做的好处是节约了不少的内存。

我们可以使用 list() 转换来输出列表。

如果各个迭代器的元素个数不一致,则返回列表长度与最短的对象相同,利用 * 号操作符,可以将元组解压为列表。

 1>>> a = [1,2,3]
2>>> b = [4,5,6]
3>>> c = [yhch,apple]
4>>> obj_ziped = zip(a,b,c) #返回值为一个对象
5>>> print(obj_ziped)
6    <zip object at 0x7f35ac530b88# 对象
7
8>>> for i in obj_ziped:
9    ...     print(i)
10    ... 
11    (14yhch)
12    (25apple)
13>>
  • 不同阀值下匹配出的数

识别网易易盾滑动验证码

threshould = 0.4

103个,好多位置并不准确,当然有一个最准确的位置就在其中

img

threshould = 0.57

只有1个,并且准确的找出位置

img

threshould = 0.6

一个都没有

img

网易易盾验证码的识别

写这篇教程不是空穴来风,是我在学习爬虫的过程中,遇到滑动验证码的识别,遇到了问题
可以看到,已经能够识别出准确的位置,配和selenium滑动滑块,就能破解滑动验证码了。
但在实际过程中,是不知道会出现什么画面的验证码,不同的图像,颜色,透明度是不一样,阀值也就不一样。而只有找到准确的阀值才能得到准确的位置。

如何动态的分析不同图片的阀值
  • 从上面的实例可以发现阀值越小,结果就越多,阀值越大,结果越少,甚至没有结果。阀值介于[0,1],因此通过循环用二分法去试一试,当结果有且只有一个的时候,得到的threshould便是我们想要的,再通过threshold获取位置信息

    • 阈值始终为区间左端和右端的均值,即 threshhold = (R+L)/2;

    • 如果当前阈值查找结果数量大于1,则说明阈值太小,需要往右端靠近,即左端就增大,即L += (R - L) / 2;

    • 如果结果数量为0,则说明阈值太大,右端应该减小,即R -= (R - L) / 2;

    • 当结果数量为1时,说明阈值刚

代码实现
 1img = cv2.imread("/home/yhch/Pictures/target.jpg",1)
2img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
3template = cv2.imread(/home/yhch/Pictures/template.png, 0)
4
5w, h = template.shape[::-1]
6
7res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
8
9L = 0
10R = 1
11count = 0
12while count < 20:
13    threshold = (L+R)/2
14    count += 1
15    loc = np.where(res >= threshold)
16    if len(loc[0]) > 1:
17        L += (R-L) /2
18    elif len(loc[0]) == 1:
19        pt = loc[::-1]
20        print(目标区域的左上角坐标:,pt[0],pt[1])
21        print(次数:,count)
22        print(阀值,threshold)
23        break
24    elif len(loc[0]) < 1:
25        R -= (R-L) / 2
26
27
28cv2.rectangle(img,pt,(pt[0]+w,pt[1]+h),(34,139,34),2)
29
30cv2.imshow("img_template",template)
31cv2.imshow("processed",img)
32
33cv2.waitKey(0)
img

小结

通过OPencv的模板识别功能,并且用二分法对针实际场景进行二次开发,后面会利用这里的知识点,对网易易盾滑动验证码进行破解。代码已经上传到github。

投喂我

写文不易,如果本文对你有帮助,点击下方的赞赏按钮。


    发送中

    上一篇:html5点击按钮酷炫云雾动画弹出文字..

    下一篇:没有了

    相关文档推荐

    精品模板推荐

    专业的织梦模板定制下载站,在线购买后即可下载!

    商业源码

    跟版网模板,累计帮助5000+客户企业成功建站,为草根创业提供助力!

    立刻开启你的建站之旅
    
    QQ在线客服

    服务热线

    织梦建站咨询