Opencv 在图像中查找图标

我刚刚开始学习计算机视觉，正在做一个简单的项目，在静止图像中找到基本的图标

我有一个模板图像：

和两个测试图像：

及

我使用了模板匹配（使用forge.net，但我认为是相同的算法） OpenCV和Emgu使用。我可能错了，我是CV新手）并发现阈值为.80563时，我会在上述两种图像中找到完全匹配的一个，但在我尝试的图像中没有找到匹配的图标

我以为我已经有进展了，直到我看到了每个图像中作为匹配返回的内容：（蓝色突出显示的方块是图像匹配的地方。）

（正确）和（完全错误）

我意识到问题在于以下任何或所有方面：

• 我正在寻找的图标在大小、颜色和阴影方面都很相似，但不能保证它们在上述任何一个方面都是相同的。（注意：角度方向和比例应该一致。我不希望一个带“+”的圆与模板匹配。我也不希望一个带小“X”的大圆匹配。）
• 我的模板不是正方形，我只是猜测透明像素不会包含在匹配中
• 鉴于上述两个问题，模板匹配可能是错误的方法。也许我需要用别的东西来做这个

---

最后，我需要一些基本的帮助来了解我的匹配出了什么问题，这样我至少可以回到正确的方向。模板是否匹配正确的方法，但我需要更改一些内容？或者我需要看看这些库中的其他功能吗？对于这个简单的任务，OpenCV（和EMGU）功能和arge.net功能之间有很大的功能区别吗？

在这种情况下，模板匹配是正确的选择，但您必须正确执行：

• 您的模板与您要查找的内容不符。在第二张图像中，由于按钮的灰度值与背景中的某个位置更为相似，因此结果不好。如果要搜索白色十字，请使用白色十字作为填塞板，如下所示：

• 不要使用固定阈值，而是搜索最高响应点

根据这些指南，您可以找到您的按钮（红色小矩形）：

以下是OpenCV（C++）中的代码示例：

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{
    // Load template and image
    Mat3b templ = imread("path_to_template");
    Mat3b img = imread("path_to_image");

    // Convert to grayscale
    Mat1b img_gray;
    Mat1b templ_gray;
    cvtColor(img, img_gray, COLOR_BGR2GRAY);
    cvtColor(templ, templ_gray, COLOR_BGR2GRAY);

    // Match template
    Mat1f result;
    matchTemplate(img, templ, result, TM_CCOEFF_NORMED);

    // Find highest response
    Point maxLoc;
    minMaxLoc(result, NULL, NULL, NULL, &maxLoc);

    // Draw the red rectangle
    rectangle(img, Rect(maxLoc, templ.size()), Scalar(0,0,255), 2);

    // Show results
    imshow("Result", img);
    waitKey();

    return 0;
}

#包括
使用名称空间cv；
int main（）
{
//加载模板和图像
Mat3b templ=imread（“路径到模板”）；
Mat3b img=imread（“路径到图像”）；
//转换为灰度
Mat1b img_gray；
Mat1b templ_gray；
CVT颜色（img、img_灰色、颜色_BGR2灰色）；
CVT颜色（模板、模板灰、颜色灰）；
//匹配模板
Mat1f结果；
匹配模板（img、temp、result、TM\u cceff\u NORMED）；
//找到最高响应
maxLoc点；
minMaxLoc（结果、NULL、NULL、NULL和maxLoc）；
//画一个红色的矩形
矩形（img，Rect（maxLoc，temp.size（）），标量（0,0255），2）；
//显示结果
imshow（“结果”，img）；
waitKey（）；
返回0；
}

在这种情况下，模板匹配是正确的选择，但您必须正确执行：

• 您的模板与您要查找的内容不符。在第二张图像中，由于按钮的灰度值与背景中的某个位置更为相似，因此结果不好。如果要搜索白色十字，请使用白色十字作为填塞板，如下所示：

• 不要使用固定阈值，而是搜索最高响应点

根据这些指南，您可以找到您的按钮（红色小矩形）：

以下是OpenCV（C++）中的代码示例：

#include <opencv2\opencv.hpp>
using namespace cv;

int main()
{
    // Load template and image
    Mat3b templ = imread("path_to_template");
    Mat3b img = imread("path_to_image");

    // Convert to grayscale
    Mat1b img_gray;
    Mat1b templ_gray;
    cvtColor(img, img_gray, COLOR_BGR2GRAY);
    cvtColor(templ, templ_gray, COLOR_BGR2GRAY);

    // Match template
    Mat1f result;
    matchTemplate(img, templ, result, TM_CCOEFF_NORMED);

    // Find highest response
    Point maxLoc;
    minMaxLoc(result, NULL, NULL, NULL, &maxLoc);

    // Draw the red rectangle
    rectangle(img, Rect(maxLoc, templ.size()), Scalar(0,0,255), 2);

    // Show results
    imshow("Result", img);
    waitKey();

    return 0;
}

#包括
使用名称空间cv；
int main（）
{
//加载模板和图像
Mat3b templ=imread（“路径到模板”）；
Mat3b img=imread（“路径到图像”）；
//转换为灰度
Mat1b img_gray；
Mat1b templ_gray；
CVT颜色（img、img_灰色、颜色_BGR2灰色）；
CVT颜色（模板、模板灰、颜色灰）；
//匹配模板
Mat1f结果；
匹配模板（img、temp、result、TM\u cceff\u NORMED）；
//找到最高响应
maxLoc点；
minMaxLoc（结果、NULL、NULL、NULL和maxLoc）；
//画一个红色的矩形
矩形（img，Rect（maxLoc，temp.size（）），标量（0,0255），2）；
//显示结果
imshow（“结果”，img）；
waitKey（）；
返回0；
}

如果您只想检测一些变化的模式，那么这可能会有些过分。训练haar级联分类器将使您能够更准确地检测此类模式，并且您不必担心阈值。

如果您只想检测具有少量变化的模式，这可能会有些过分。训练haar cascade分类器将使您能够更准确地检测此类模式，并且您不必担心阈值。

谢谢！工作得很有魅力#Miki所以，在熟睡之后，让我看看我是否在这里提炼出一般概念：对于一个好的模板，我想使用最独特的功能，用最少的（不太明显的）环境？没错。在你的例子中，你不是在寻找一个白色的十字架，而是在里面有一个白色十字架的灰色sh区域。所以你得到了灰色sh区域的最高响应，即使它们里面没有十字架。谢谢！工作得很有魅力#Miki所以，在熟睡之后，让我看看我是否在这里提炼出一般概念：对于一个好的模板，我想使用最独特的功能，用最少的（不太明显的）环境？没错。在你的例子中，你不是在寻找一个白色的十字架，而是在里面有一个白色十字架的灰色sh区域。因此，灰色sh区域的响应最高，即使它们内部没有十字。