Python 有效地检测大型图像中的形状

我有一个巨大的电路图，包含二极管、电阻器、晶体管等符号

我必须从这个图像中选择符号（基于输入模板），并使用矩形边界框高亮显示这些符号。符号可以旋转（缩放）-但现在让我们不考虑缩放/旋转。同一列/行中可能有多个符号和行

图像大小为5600x3600。它是灰度，转换成黑白，然后整个东西可以称为0和1，其中1==黑色像素。我认为白色像素可以被认为是“不在乎”

做这件事的正确和快速的方法是什么

我从较大的图像中提取了一个模板图像-例如“diode.png”。假设至少有一个符号在没有缩放或旋转的情况下完全匹配

蛮力模板/矩阵比较法对我很有效，但速度非常慢。。检测一个精确匹配需要45分钟（在最新的MBP-2.4ghz-Intel i5/8GB上）。我尽可能地使用numpy，但可能我没有使用某些numpy迭代器

不幸的是，我无法在python之外做到这一点，也无法在不使符号无法识别的情况下将图像大小减小到5600x3600以下

另一种解决问题的方法是：从一个大矩阵中找到所有匹配的子矩阵

实现上述目标的正确执行方法是什么？ 我不太懂信号处理，但这能帮上忙吗？此处的模板大小（子矩阵）最小为50x50

编辑：OpenCV对我来说不是一个选项-浏览是可用的。但是，请不要因此而停止您的输入

我不能分享实际的图表，但这里有一个示例。例如，二极管在这里标记为D1和D2。完整的图表与此一样清晰，但在5600 x 3600的画布上

---

我还想补充一点，skimage中的match_模板可以完美地处理从较大图像中提取的较小图像块

我建议您使用opencv，它也适用于python。 在这里，您需要使用基本功能：

然后遍历每个轮廓

每个（等高线）

获取由变量“轮廓”指向的轮廓点序列

---

，您会发现一个有趣的示例

您要查找的术语是“”

通常假设由于图像噪声和其他因素，模板不会精确匹配。相反，您将查找错误分数最小的图像区域

您可以在scikit映像中找到使用的实现：

如果您添加了现有代码以及示例图像和模板，将会有所帮助。

您尝试过吗？这是进行模板匹配的最简单方法之一，但也是一种蛮力方法

---

我将其应用于文档图像（A4，300 dpi，2500*3500像素）中的徽标定位。速度很慢，但不需要45分钟！为了加快速度，您可以分割图像（选择重叠区域以避免丢失您的符号）。

谢谢，我忘了提到openCV不是我的选项。撇渣是可以的。我会更新这个问题，并在skimageyou中尝试这些选项。您可以提供一个示例图像，这样某人可能会有更好的想法，他会在该图像上实现它。谢谢，我之前使用过此选项-出于某种原因，它不适用于完整（大）图像。但是，对于从大图像中获取的较小样本，它非常有效。我从未考虑过可能导致此问题的图像噪声因素：ij=np.unravel_index（np.argmax（result），result.shape）。我将对“匹配结果”进行另一次查看，以查看其中是否隐藏了某些内容。感谢hintIt在没有看到代码的情况下很难给出具体的建议。如果您发布当前的方法，您将得到更好的答案：大型图像需要花费大量时间进行模板匹配（以及旋转）。缩放也是一个参数——我使用了图像金字塔。但是为了处理大量的噪声和减少搜索空间，我使用了绝对差之和来为给定模板的图像找到最佳比例（结合我自己的一些参数来确定比例）。然后利用模板匹配的概率来选择最佳结果。总的来说，它正确地检测到了95%的图像，没有错误检测。计时时间没有40分钟那么长，但只有1-2分钟（仍然很长）。