OpenCV的Rect()函数、Rectangle()函数、matchTemplate()参数详解

2023-12-28 02:38

本文主要是介绍OpenCV的Rect()函数、Rectangle()函数、matchTemplate()参数详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

OpenCV的函数

  • Rect()函数
  • cvRectangle与cv::rectangle
  • matchTemplate()
    • 归一化函数normalize()

Rect()函数

基本概念:
Rect(int x, int y, int width, int height);

参数含义:
Rect(左上角x坐标 , 左上角y坐标,矩形的宽,矩形的高)
例如我们画一个图 Rect(20,50,30,40), 我用matlab画了一下,比较直观
在这里插入图片描述
代码:

Rect(0, 0.4 * img1.rows, 0.2 * img1.cols, 0.2 * img1.rows)

那对于Rect(20,50,30,40)有哪些常用的操作?

rect.area(); //返回面积,1200
rect.size();//返回尺寸,30x40
rect.tl();// 返回左上角坐标(20,50)
rect.br();//返回右下角坐标(50,10)
rect.width();//返回宽度30
rect.height();//返回高度40
rect.contains(Point(x,y)) ; //返回布尔true/false, 判断x,y是否在这个矩形中

交集、并集, 矩阵对比,很像C语言

rect = rect1 & rect2;
rect = rect1 | rect2;
rect1 == rect2; //返回布尔值
rect1 != rect2 ; //返回布尔值

Rectangle用法

void cvRectangle( CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color,int thickness=1, int line_type=8, int shift=0 );
img: 图像.
pt1 :矩形的一个顶点。
pt2:矩形对角线上的另一个顶点
color:线条颜色 (RGB) 或亮度(灰度图像 )(grayscale image)。//后面这三个都是可有可没有的
thickness:组成矩形的线条的粗细程度。取负值时(如 CV_FILLED)函数绘制填充了色彩的矩形。
line_type:线条的类型。见cvLine的描述
shift:坐标点的小数点位数。

举例子:

rectangle(img, box.tl(), box.br(), Scalar(g_rng.uniform(0, 255), g_rng.uniform(0, 255), g_rng.uniform(0, 255)));//随机颜色 

cvRectangle与cv::rectangle

在第一次使用cvRectangle绘制矩形的时候遇到一个问题:Error:不存在从“cv::Mat”到"CvArr*"的适当转换函数,就特意查了查资料,总结如下。

cvRentangle和cv::rectangle函数原型对比:

C: void cvRectangle(CvArr* img, CvPoint pt1, CvPoint pt2, CvScalar color, int thickness=1, int line_type=8, int shift=0 )
C++: void rectangle(Mat& img, Point pt1,Point pt2,const Scalar& color, int thickness=1, int lineType=8, int shift=0)
C++: void rectangle(Mat& img, Rect rec, const Scalar& color, int thickness=1, int lineType=8, int shift=0 )

参数介绍:

img
图像.
pt1
矩形的一个顶点。
pt2
矩形对角线上的另一个顶点
color
线条颜色 (RGB) 或亮度(灰度图像 )(grayscale image)。
thickness
组成矩形的线条的粗细程度。取负值时(如 CV_FILLED)函数绘制填充了色彩的矩形。
line_type
线条的类型。见cvLine的描述
shift
坐标点的小数点位数。

代码:

#include <iostream>
#include <opencv2\highgui\highgui.hpp>using namespace std;
using namespace cv;
int main()
{char *imageSrc = "I:\\OpenCV Learning\\picture\\sumpalace.jpg";Mat matImage = imread(imageSrc,-1);IplImage *iplImage = cvLoadImage(imageSrc,-1);if(matImage.data==0||iplImage->imageData ==0){cout<<"图片加载失败"<<endl;return -1;}	cv::rectangle(matImage,cvPoint(20,200),cvPoint(200,300),Scalar(255,0,0),1,1,0);//Rect(int a,int b,int c,int d)a,b为矩形的左上角坐标,c,d为矩形的长和宽cv::rectangle(matImage,Rect(100,300,20,200),Scalar(0,0,255),1,1,0);cvRectangle(iplImage,cvPoint(20,200),cvPoint(200,300),Scalar(0,255,255),1,1,0);imshow("matImage",matImage);cvShowImage("IplImage",iplImage);waitKey();return 0;
}

注意:如果需要在Mat类型的图上绘制矩形,选择cv::trctangle()
在IplImage*类型的图上绘制矩形,选择cvRectangle()

matchTemplate()

模板匹配: 模板匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(相似)部分的技术.

matchTemplate()参数详解

CV_EXPORTS_W void matchTemplate( InputArray image, InputArray templ, OutputArray result, int method );

image:待匹配的源图像
templ:模板图像
result:保存结果的矩阵,我们可以通过minMaxLoc() 确定结果矩阵的最大值和最小值的位置.

minMaxLoc()函数:
  minMaxLoc()函数:查找全局最小和最大稀疏数组元素并返回其值及其位置
  void minMaxLoc(const SparseMat& a, double* minVal,double* maxVal, int* minIdx=0, int* maxIdx=0);
  
a: 匹配结果矩阵
&minVal 和 &maxVal: 在矩阵 result 中存储的最小值和最大值
&minLoc 和 &maxLoc: 在结果矩阵中最小值和最大值的坐标.

method :模板匹配的算法:
有以下六种:
enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };

TM_SQDIFF,TM_SQDIFF_NORMED匹配数值越低表示匹配效果越好,其它四种反之。

TM_SQDIFF_NORMED,TM_CCORR_NORMED,TM_CCOEFF_NORMED是标准化的匹配,得到的最大值,最小值范围在0~1之间,其它则需要自己对结果矩阵归一化。

不同的方法会得到差异很大的结果,可以通过测试选择最合适的方法。

归一化函数normalize()

normalize( result, result, 0, 1, NORM_MINMAX, -1, Mat() );

大致用法代码:

void templateMatching(const Mat& srcImage,const Mat& templateImage)
{Mat result;int result_cols = srcImage.cols - templateImage.cols + 1;int result_rows = srcImage.rows - templateImage.rows + 1;if(result_cols < 0 || result_rows < 0){qDebug() << "Please input correct image!";return;}result.create(result_cols, result_rows, CV_32FC1);
//    enum { TM_SQDIFF=0, TM_SQDIFF_NORMED=1, TM_CCORR=2, TM_CCORR_NORMED=3, TM_CCOEFF=4, TM_CCOEFF_NORMED=5 };matchTemplate(srcImage,templateImage,result,TM_CCOEFF_NORMED);   //最好匹配为1,值越小匹配越差double minVal = -1;double maxVal;Point minLoc;Point maxLoc;Point matchLoc;minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc, Mat());//取大值(视匹配方法而定)
//    matchLoc = minLoc;matchLoc = maxLoc;//取大值,值越小表示越匹配QString str = "Similarity:" + QString::number((maxVal) * 100, 'f', 2) + "%";qDebug(str.toAscii().data());Mat mask = srcImage.clone(); //绘制最匹配的区域rectangle(mask, matchLoc, Point(matchLoc.x + templateImage.cols, matchLoc.y + templateImage.rows), Scalar(0, 255, 0), 2, 8, 0);imshow("mask",mask);
}

这篇关于OpenCV的Rect()函数、Rectangle()函数、matchTemplate()参数详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/544892

相关文章

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

java中反射(Reflection)机制举例详解

《java中反射(Reflection)机制举例详解》Java中的反射机制是指Java程序在运行期间可以获取到一个对象的全部信息,:本文主要介绍java中反射(Reflection)机制的相关资料... 目录一、什么是反射?二、反射的用途三、获取Class对象四、Class类型的对象使用场景1五、Class

golang 日志log与logrus示例详解

《golang日志log与logrus示例详解》log是Go语言标准库中一个简单的日志库,本文给大家介绍golang日志log与logrus示例详解,感兴趣的朋友一起看看吧... 目录一、Go 标准库 log 详解1. 功能特点2. 常用函数3. 示例代码4. 优势和局限二、第三方库 logrus 详解1.

一文详解如何从零构建Spring Boot Starter并实现整合

《一文详解如何从零构建SpringBootStarter并实现整合》SpringBoot是一个开源的Java基础框架,用于创建独立、生产级的基于Spring框架的应用程序,:本文主要介绍如何从... 目录一、Spring Boot Starter的核心价值二、Starter项目创建全流程2.1 项目初始化(

Spring Boot3虚拟线程的使用步骤详解

《SpringBoot3虚拟线程的使用步骤详解》虚拟线程是Java19中引入的一个新特性,旨在通过简化线程管理来提升应用程序的并发性能,:本文主要介绍SpringBoot3虚拟线程的使用步骤,... 目录问题根源分析解决方案验证验证实验实验1:未启用keep-alive实验2:启用keep-alive扩展建

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Java异常架构Exception(异常)详解

《Java异常架构Exception(异常)详解》:本文主要介绍Java异常架构Exception(异常),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. Exception 类的概述Exception的分类2. 受检异常(Checked Exception)