Python 如何识别与查询图像模板匹配的图像中不同颜色的对象？

我有一面美国国旗，上面有星星，还有一张面具图片，上面有一颗黑色的星星。使用遮罩图像，我想探测美国国旗上的所有星星，尽管颜色不同。当我使用上面的代码时，我只能识别标记为白色的星星，如下图所示

红色的盒子下面有一颗黑色的星星，与遮罩图像中的星星相匹配。我猜这是因为我用灰色图像来识别这些恒星。如下图所示，彩色星星在变灰过程中褪色，算法无法将其与背景色区分开来

原始图像发布如下：

• 遮罩：
• 美国国旗：

---

通常，我在

HSV

颜色空间中处理带有颜色信息的图像。我分析了

RGB

和

HSV

中的不同通道，发现

V

通道最适合这个问题

BGR

：

HSV

：

然后进行模板匹配，我得到以下结果：

---

---

我想也许使用

findContours

也可以完成这项工作。

您能不能也发布原始输入图像？（<代码> uSavigual.PNG < /C>和<代码> Mask.PNG < /代码>），因为它是区分对象的颜色，我将考虑使用HSV或HSI颜色空间，而不是仅仅使用RGB图像的灰度版本。现在，DANMA MyEK增加了。为了检测图像中的星星，<代码> V（HSV）。比

灰色

好。请告诉我如何控制边界框的厚度。我尝试了以下代码，得到了与星星重叠的非常厚的边界框。请让我知道如何复制您的输出框的厚度。对于zip中的pt（*loc[：-1]）：cv2.矩形（图像，pt，（pt[0]+w，pt[1]+h），（0,0255），1,8）如果您检查阈值

cv2.minMaxLoc

结果找到的

loc

，您将发现每个区域中都有多个pt。我将比率调整为

0.9

，这样pts变小，盒子看起来更薄（但直到每个星星都有一个盒子），所以你无法真正控制每个星星盒子的厚度。正如我所说的，

findContours

会更有效，因为它每颗星只能找到一个轮廓。

import numpy as np
import cv2
import os

dir = 'C:\\Project\\Interview Packet'
os.chdir(dir)

image = cv2.imread('us_flag_color.png')
template = cv2.imread('mask.png')

imageGray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
templateGray = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)

template = cv2.Canny(template, 50, 200)

result = cv2.matchTemplate(imageGray, templateGray, cv2.TM_SQDIFF)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)

w, h = template.shape[:2]
threshold = 0.8*max_val
loc = np.where( result >= threshold)
for pt in zip(*loc[::-1]):
    cv2.rectangle(image, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)

cv2.imwrite("res.png", image)