Java中圆形图像的OpenCV模板匹配

我不总是有正方形/矩形的图像，有时我也应该匹配圆形图像。下面是两张图片的例子。Ball是模板图像，第二个是搜索模板的源。我可以使模板的背景透明，但这会产生错误，将其设置为白色会降低比赛分数，因为正如您在源图像上看到的，球周围没有白色。这仅仅是两个示例图片。你有什么建议/解决方案吗

---

如果知道属于模板的像素，可以编写匹配器

绝对差值总和试验（伪代码）

mati，T//图像和模板
矢量模板像素
矩形滑动窗口
向量匹配率
对于图像中的所有行
更新滑动窗口
适用于图像中的所有颜色
更新滑动窗口
材料W=I（滑动窗）
总和=0
对于模板中的所有行
对于模板中的所有列
if（模板_像素包含像素i）
总和+=abs（W（i）-T（i））
结束
结束
匹配率。回推（总和）
结束
结束
minMaxLoc（匹配率）

---

并在图像行上使用多线程对其进行优化

如果您知道属于模板的像素，则可以编写匹配器

绝对差值总和试验（伪代码）

mati，T//图像和模板
矢量模板像素
矩形滑动窗口
向量匹配率
对于图像中的所有行
更新滑动窗口
适用于图像中的所有颜色
更新滑动窗口
材料W=I（滑动窗）
总和=0
对于模板中的所有行
对于模板中的所有列
if（模板_像素包含像素i）
总和+=abs（W（i）-T（i））
结束
结束
匹配率。回推（总和）
结束
结束
minMaxLoc（匹配率）

---

并在图像行上使用多线程对其进行优化

如果您知道属于模板的像素，则可以编写匹配器

绝对差值总和试验（伪代码）

mati，T//图像和模板
矢量模板像素
矩形滑动窗口
向量匹配率
对于图像中的所有行
更新滑动窗口
适用于图像中的所有颜色
更新滑动窗口
材料W=I（滑动窗）
总和=0
对于模板中的所有行
对于模板中的所有列
if（模板_像素包含像素i）
总和+=abs（W（i）-T（i））
结束
结束
匹配率。回推（总和）
结束
结束
minMaxLoc（匹配率）

---

并在图像行上使用多线程对其进行优化

如果您知道属于模板的像素，则可以编写匹配器

绝对差值总和试验（伪代码）

mati，T//图像和模板
矢量模板像素
矩形滑动窗口
向量匹配率
对于图像中的所有行
更新滑动窗口
适用于图像中的所有颜色
更新滑动窗口
材料W=I（滑动窗）
总和=0
对于模板中的所有行
对于模板中的所有列
if（模板_像素包含像素i）
总和+=abs（W（i）-T（i））
结束
结束
匹配率。回推（总和）
结束
结束
minMaxLoc（匹配率）

---

并在图像行上使用多线程对其进行优化

没关系，您仍然可以使用

matchTemplate（）

并获得优异的结果：

---

。顺便说一句，这是在那里共享的演示的输出。

没关系，您仍然可以使用

matchTemplate（）

并获得优异的结果：

---

。顺便说一句，这是在那里共享的演示的输出。

没关系，您仍然可以使用

matchTemplate（）

并获得优异的结果：

---

。顺便说一句，这是在那里共享的演示的输出。

没关系，您仍然可以使用

matchTemplate（）

并获得优异的结果：

---

。顺便说一句，这是在那里共享的演示的输出。

我想你也可以使用直方图反投影。在那里，您还可以使用任意形状遮罩。将遮罩与反向投影图像卷积，您将在图像中对象出现的区域中检测到峰值，如下面的图像（颜色映射和缩放）所示

反向投影：

召集：

编辑：

这是基于此。我正在试验，希望能在博客上发表文章。 这是在C++中。< /P>

// model histogram: this is the football template
calcHist(&model32fc3, 1, (const int*)channels, modelMask, histModel, 3, (const int*)histSize, (const float**)ranges, true, false);
// image histogram
calcHist(&image32fc3, 1, (const int*)channels, Mat(), histImage, 3, (const int*)histSize, (const float**)ranges, true, false);
// ratio histogram
divide(histModel, histImage, histRatio);
cv::min(histRatio, 1.0, histRatio);
// backproject ratio histogram
calcBackProject(&image32fc3, 1, (const int*)channels, histRatio, backprj, (const float**)ranges);
// convolve the kernel with the backprojected image
filter2D(backprj, conv, CV_32F, modelMask);

---

我想你也可以用直方图反投影来做这个。在那里，您还可以使用任意形状遮罩。将遮罩与反向投影图像卷积，您将在图像中对象出现的区域中检测到峰值，如下面的图像（颜色映射和缩放）所示

反向投影：

召集：

编辑：

这是基于此。我正在试验，希望能在博客上发表文章。 这是在C++中。< /P>

// model histogram: this is the football template
calcHist(&model32fc3, 1, (const int*)channels, modelMask, histModel, 3, (const int*)histSize, (const float**)ranges, true, false);
// image histogram
calcHist(&image32fc3, 1, (const int*)channels, Mat(), histImage, 3, (const int*)histSize, (const float**)ranges, true, false);
// ratio histogram
divide(histModel, histImage, histRatio);
cv::min(histRatio, 1.0, histRatio);
// backproject ratio histogram
calcBackProject(&image32fc3, 1, (const int*)channels, histRatio, backprj, (const float**)ranges);
// convolve the kernel with the backprojected image
filter2D(backprj, conv, CV_32F, modelMask);

---

我想你也可以用直方图反投影来做这个。在那里，您还可以使用任意形状遮罩。将遮罩与反向投影图像卷积，您将在图像中对象出现的区域中检测到峰值，如下面的图像（颜色映射和缩放）所示

反向投影：

召集：

编辑：

这是基于此。我正在试验，希望能在博客上发表文章。 这是在C++中。< /P>

// model histogram: this is the football template
calcHist(&model32fc3, 1, (const int*)channels, modelMask, histModel, 3, (const int*)histSize, (const float**)ranges, true, false);
// image histogram
calcHist(&image32fc3, 1, (const int*)channels, Mat(), histImage, 3, (const int*)histSize, (const float**)ranges, true, false);
// ratio histogram
divide(histModel, histImage, histRatio);
cv::min(histRatio, 1.0, histRatio);
// backproject ratio histogram
calcBackProject(&image32fc3, 1, (const int*)channels, histRatio, backprj, (const float**)ranges);
// convolve the kernel with the backprojected image
filter2D(backprj, conv, CV_32F, modelMask);

---

我想你也可以用直方图反投影来做这个。在那里，您还可以使用任意形状遮罩。将遮罩与反向投影图像卷积，您将在图像中对象出现的区域中检测到峰值，如下面的图像（颜色映射和缩放）所示

反向投影：

召集：

编辑：

这是基于此。我正在试验，希望能在博客上发表文章。 这是在C++中。< /P>

// model histogram: this is the football template
calcHist(&model32fc3, 1, (const int*)channels, modelMask, histModel, 3, (const int*)histSize, (const float**)ranges, true, false);
// image histogram
calcHist(&image32fc3, 1, (const int*)channels, Mat(), histImage, 3, (const int*)histSize, (const float**)ranges, true, false);
// ratio histogram
divide(histModel, histImage, histRatio);
cv::min(histRatio, 1.0, histRatio);
// backproject ratio histogram
calcBackProject(&image32fc3, 1, (const int*)channels, histRatio, backprj, (const float**)ranges);
// convolve the kernel with the backprojected image
filter2D(backprj, conv, CV_32F, modelMask);

---

我不知道这是不是python