接上文模板匹配halcon转成c++ opencv代码及延申应用

埃菲尔铁塔_CV算法

于 2025-03-05 10:10:11 发布

阅读量378

点赞数 3

文章标签： opencv c++ 人工智能图像处理计算机视觉机器学习

本文链接：https://blog.youkuaiyun.com/m0_44975814/article/details/146035405

版权

以下是将你提供的 Halcon 代码转换为 OpenCV C++ 代码的实现。这个代码同样包含模型初始化和模型应用两个主要部分。

效果图

#include <opencv2/opencv.hpp>
#include <iostream>

// 模型初始化函数
void initializeModel(cv::Mat& image, cv::Mat& templateImage, cv::RotatedRect& modelRect, cv::Mat& modelContours) {
    // 读取图像
    image = cv::imread("C:/Users/1/Desktop/10.jpg");
    if (image.empty()) {
        std::cerr << "Could not open or find the image" << std::endl;
        return;
    }

    // 构建ROI
    cv::Rect roi(29.6218, 93.3845, 159.938 - 29.6218, 237.303 - 93.3845);
    templateImage = image(roi).clone();

    // 计算边界区域的最小外接矩形
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::Mat gray;
    cv::cvtColor(templateImage, gray, cv::COLOR_BGR2GRAY);
    cv::findContours(gray, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);
    if (!contours.empty()) {
        modelRect = cv::minAreaRect(contours[0]);
    }

    // 提取模型轮廓（这里简化处理，直接使用模板图像的轮廓）
    modelContours = cv::Mat::zeros(templateImage.size(), CV_8UC1);
    cv::drawContours(modelContours, contours, 0, cv::Scalar(255), 1);
}

// 模型应用函数
void applyModel(cv::Mat& image, cv::Mat& templateImage, cv::RotatedRect& modelRect, cv::Mat& modelContours) {
    // 模板匹配
    cv::Mat result;
    int result_cols = image.cols - templateImage.cols + 1;
    int result_rows = image.rows - templateImage.rows + 1;
    result.create(result_rows, result_cols, CV_32FC1);

    cv::matchTemplate(image, templateImage, result, cv::TM_CCOEFF_NORMED);

    double minVal, maxVal;
    cv::Point minLoc, maxLoc;
    cv::minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);

    // 显示匹配结果
    cv::rectangle(image, maxLoc, cv::Point(maxLoc.x + templateImage.cols, maxLoc.y + templateImage.rows), cv::Scalar(0, 255, 0), 2);
    cv::imshow("Matched Image", image);
    cv::waitKey(0);
}

int main() {
    cv::Mat image, templateImage, modelContours;
    cv::RotatedRect modelRect;

    // 模型初始化
    initializeModel(image, templateImage, modelRect, modelContours);

    // 模型应用
    applyModel(image, templateImage, modelRect, modelContours);

    return 0;
}

代码解释

模型初始化部分

读取图像：使用cv::imread函数读取指定路径的图像。
构建 ROI：通过定义一个矩形区域cv::Rect，并使用clone方法提取模板图像。
计算边界区域的最小外接矩形：将模板图像转换为灰度图，使用cv::findContours函数查找轮廓，然后使用cv::minAreaRect函数计算最小外接矩形。
提取模型轮廓：使用cv::drawContours函数将轮廓绘制到一个空白图像上。

模型应用部分

模板匹配：使用cv::matchTemplate函数进行模板匹配，这里使用归一化的相关系数匹配方法cv::TM_CCOEFF_NORMED。
显示匹配结果：使用cv::minMaxLoc函数找到匹配结果中的最大值和最小值，以及对应的位置。然后在原始图像上绘制矩形框来标记匹配位置，并显示图像。

延伸应用：多目标检测

以下是一个延伸应用的代码示例，用于在图像中检测多个目标。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>

// 模型初始化函数
void initializeModel(cv::Mat& image, cv::Mat& templateImage, cv::RotatedRect& modelRect, cv::Mat& modelContours) {
    // 读取图像
    image = cv::imread("C:/Users/1/Desktop/10.jpg");
    if (image.empty()) {
        std::cerr << "Could not open or find the image" << std::endl;
        return;
    }

    // 构建ROI
    cv::Rect roi(29.6218, 93.3845, 159.938 - 29.6218, 237.303 - 93.3845);
    templateImage = image(roi).clone();

    // 计算边界区域的最小外接矩形
    std::vector<std::vector<cv::Point>> contours;
    std::vector<cv::Vec4i> hierarchy;
    cv::Mat gray;
    cv::cvtColor(templateImage, gray, cv::COLOR_BGR2GRAY);
    cv::findContours(gray, contours, hierarchy, cv::RETR_TREE, cv::CHAIN_APPROX_SIMPLE);
    if (!contours.empty()) {
        modelRect = cv::minAreaRect(contours[0]);
    }

    // 提取模型轮廓（这里简化处理，直接使用模板图像的轮廓）
    modelContours = cv::Mat::zeros(templateImage.size(), CV_8UC1);
    cv::drawContours(modelContours, contours, 0, cv::Scalar(255), 1);
}

// 多目标检测函数
void multiObjectDetection(cv::Mat& image, cv::Mat& templateImage) {
    cv::Mat result;
    int result_cols = image.cols - templateImage.cols + 1;
    int result_rows = image.rows - templateImage.rows + 1;
    result.create(result_rows, result_cols, CV_32FC1);

    cv::matchTemplate(image, templateImage, result, cv::TM_CCOEFF_NORMED);

    double threshold = 0.8; // 匹配阈值
    cv::Mat resultThresh;
    cv::threshold(result, resultThresh, threshold, 1, cv::THRESH_BINARY);

    std::vector<cv::Point> locations;
    cv::findNonZero(resultThresh, locations);

    for (const auto& loc : locations) {
        cv::rectangle(image, loc, cv::Point(loc.x + templateImage.cols, loc.y + templateImage.rows), cv::Scalar(0, 255, 0), 2);
    }

    cv::imshow("Multi Object Detection", image);
    cv::waitKey(0);
}

int main() {
    cv::Mat image, templateImage, modelContours;
    cv::RotatedRect modelRect;

    // 模型初始化
    initializeModel(image, templateImage, modelRect, modelContours);

    // 多目标检测
    multiObjectDetection(image, templateImage);

    return 0;
}