多角度模板匹配的模板创建技巧

优化模板匹配：高效创建与使用角度模板
已于 2022-11-07 22:05:07 修改
阅读量3.1k 收藏 12
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机视觉 文章标签： 计算机视觉 图像处理
于 2022-11-06 11:43:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/manuoo/article/details/127713679
本文探讨了在计算机视觉中的多角度模板匹配问题，指出存储大量角度模板带来的内存占用和读取时间问题。作者提出仅存储0°模板，并在匹配时实时旋转和缩放以适应不同角度，实验表明这种方法效果良好。对于超过2000x2000的大图像，耗时增加，作者正在研究减少特征点以优化效率，并欢迎读者交流讨论。

        基于形状的模板匹配角度范围通常为360°，如果角度步长为1°，就需要准备360个模板，再加上金字塔层级，准备的模板个数会多达上百个，这样无疑对模板的存储和读取都极为不利，一是占据很大的内存，二是极其耗时，光是读取模板的时间就比整个匹配时间长。那么有没有办法可以解决这个问题呢？我想到的办法是只存储0°时各层金字塔下的模板，在匹配时根据需要对其实时变换（旋转+缩放），应用后的效果是很不错的。

        下面是模板图像和各层金字塔下提取的特征点。

071dc4f98faf4ccfaf9b66d5acd87531.png

模板图像

3d278034db32482099f92471d06a2d3f.png

pyramid level=1

了解本专栏 订阅专栏 解锁全文 超级会员免费看
基于OpenCV实现的多角度、多目标模板匹配项目实战案例
thequitesunshine007的博客
09-14 5246
本案例采用NCC的匹配+金字塔(为了加速)思想，基于OpenCV实现的多角度、多目标模板匹配（不支持尺度不变）。若研究旋转+尺度不变性的匹配，请参考本人的《OpenCV实现多角度多尺度模板匹配（基于形状）》本案例提供代码（内含详细注释）+原始图像。
多角度多尺度模板匹配（进阶篇）
manuoo的专栏
11-30 2445
多角度多尺度模板匹配，进阶中
OpenCV 实战：多角度模板匹配实现图像目标精准定位
最新发布
dlraba的博客
09-09 1057
在计算机视觉领域，模板匹配是一种基础且实用的目标检测技术，它通过在待检测图像中寻找与模板图像相似的区域，实现目标的定位与识别。在实际应用中，可根据需求进一步优化（如添加非极大值抑制、多尺度匹配），或与其他技术（如边缘检测、形态学操作）结合，提升目标定位的精度和鲁棒性。本文实现的多角度模板匹配代码，基于 OpenCV 和 NumPy 库，通过归一化相关系数算法实现精准匹配，并结合模板旋转解决目标角度变化的问题。当多个匹配区域重叠时，会导致重复绘制矩形框，可通过非极大值抑制（NMS）解决：​。
opencv 多角度模板匹配
weixin_43493903的博客
12-04 6435
opencv 多角度NCC模板匹配
Qt与opencv实现多角度多目标模板匹配
weixin_54474317的博客
08-07 1842
基于Qt与opencv实现多目标多角度模板匹配
基于灰度的模板匹配算法（一）：MAD、SAD、SSD、MSD、NCC、SSDA算法
热门推荐
qq_18343569的博客
10-09 1万+
简介：        本文主要介绍几种基于灰度的图像匹配算法：平均绝对差算法（MAD）、绝对误差和算法（SAD）、误差平方和算法（SSD）、平均误差平方和算法（MSD）、归一化积相关算法（NCC）、序贯相似性算法（SSDA）。下面依次对其进行讲解。 MAD算法 介绍         平均绝对差算法（Mean Absolute Differences，简称MAD算法），它是L
OpenCV多角度模板匹配实现
DevCharm的博客
08-29 1147
在计算机视觉中，图像匹配是一个重要的任务，它用于在给定的图像中寻找目标对象。在实际的应用场景中，我们常常需要进行多角度的图像匹配，以适应不同角度下目标对象的变化。在单角度的情况下，模板匹配的方法很简单。但在多角度的情况下，由于目标对象的旋转变化，传统的模板匹配方法不能直接使用。在这段代码中，我们首先加载源图像和模板，并计算出模板的大小。（3）在旋转范围内采用一定步长对模板进行旋转，计算每个旋转角度下的匹配程度；（4）在所有旋转角度下，选取匹配程度最高的位置作为目标匹配位置。（1）确定待匹配的源图像和模板；
OpenCV实现多角度多尺度模板匹配（基于形状）
thequitesunshine007的博客
08-11 9099
主要流程就是两步1.制作模板2.开始匹配(使用模板在搜索图像上进行匹配)制作模板对所有的模板进行特征提取，这边使用类似于canny边缘提取的算法来提取特征。开始匹配对搜索图像提取特征，将所有的模板在搜索图像上进行相似度计算，然后滑动窗口直到匹配完成。代码实现。三个主要的函数功能：制作模板(MakingTemplates)，加载模板(LoadModel)，匹配(Matching).........
OpenCV 实战：图像模板匹配与旋转处理实现教程
weixin_72931638的博客
09-01 1505
读取原始图像（image.jpg）和模板图像（template.jpg）；将模板图像顺时针旋转 3 次（每次 90°），得到 0°、90°、180°、270° 四种角度的模板；以旋转 270° 的模板为例，在原始图像中匹配相似区域；用红色矩形框标记匹配到的区域，保存结果并显示窗口；支持按任意键关闭窗口，释放资源。本文通过一段完整代码，讲解了 OpenCV 模板匹配的核心流程，包括图像读取、旋转处理、匹配算法、结果可视化等关键步骤，并提供了优化方向和问题解决方案。
OpenCV 模板匹配教程
jixiaoyu0209的博客
09-02 1903
模板匹配是 OpenCV 提供的强大功能，可以用于对象检测和图像分析。通过本文的教程，我们学习了如何使用 OpenCV 实现模板匹配、选择不同的匹配方法、检测多个对象以及使用金字塔技术进行多尺度匹配。根据不同的应用需求，可以调整匹配方法和参数以达到最佳效果。更多关于 OpenCV 模板匹配的详细信息和高级用法，请参考OpenCV 官方文档。
OpenCV多分辨率模板匹配与容错优化实战指南
qq_63532539的博客
03-15 2073
本文从理论推导到工程实现，详细解析了多分辨率模板匹配与容错优化的完整方案。通过5个实战案例和20+代码示例，展示了如何将传统计算机视觉技术应用于复杂工业场景。读者可访问附带的GitHub仓库获取完整代码和测试数据集，快速复现文中实验。
带旋转的模板匹配的原理及算法实现(c++)
03-15
带旋转的模板匹配算法，能够匹配带旋转角度的模板。VS 2015+OPENCV C++实现
基于matlab-模板匹配-角度修正的铭牌识别.zip
03-12
在这个名为“基于matlab-模板匹配-角度修正的铭牌识别.zip”的项目中，我们可以看到作者利用MATLAB这个强大的编程环境来实现一个特定的应用：铭牌识别。铭牌识别在自动化、物流、安防等领域具有重要的实际应用价值，...
多目标多角度的快速模板匹配算法（基于边缘梯度)
qq_52541800的博客
04-23 4088
多目标多角度的快速模板匹配算法（基于边缘梯度)，主要用于自己学习
【原理解密】多角度、多尺度、多目标的边缘模板匹配
关注微信公众号【OpenCV学堂】
02-15 2883
OpenCV4 实现边缘模板匹配
使用OpenCV实现NCC模板匹配的多角度匹配
TechPr的博客
08-17 1037
它利用模板与图像的相似度进行计算，从而找到图像中与模板最相似的位置。在本篇文章中，我们将会学习如何使用OpenCV实现NCC模板匹配的多角度匹配。在这里，我们将运用旋转矩阵进行多角度的旋转。最后，将所有旋转角度的结果进行比较，返回最高分数对应的位置。在这里，我们将读取灰度图像作为例子，若为彩色图像需事先进行灰度化处理。以上就是使用OpenCV实现NCC模板匹配的多角度匹配的全部代码。使用OpenCV实现NCC模板匹配的多角度匹配。函数中传入待匹配的图像以及旋转后的模板，通过。在函数中，我们首先利用。
多目标多角度的快速模板匹配算法（基于NCC，效果无限接近Halcon中........)
weixin_39450742的博客
07-09 6355
本篇博文来自博主Imageshop，打赏或想要查阅更多内容可以移步至Imageshop。 转载自：https://www.cnblogs.com/Imageshop/p/14559685.html 侵删 愿意写代码的人一般都不太愿意去写文章，因为代码方面的艺术和文字中的美学往往很难兼得，两者都兼得的人通常都已经被西方极乐世界所收罗，我也是只喜欢写代码，让那些字母组成美妙的歌曲，然后自我沉浸在其中自得其乐。而今天，在清明之际，在踏青时节，我还是忍不住停下来歇歇脚，稍微共享一下最近一直研究...
OpenCV基于NCC多角度模板匹配
qq_42857680的博客
09-28 6400
OpenCV基于NCC多角度模板匹配
OpenCV实现NCC多角度模板匹配(附源码)
Color Space的博客
08-14 4575
OpenCV实现NCC多角度模板匹配
Visionpro二次开发模板匹配，拓展多角度范围匹配，在整合成一个结果
08-24
<think>我们已经在VisionPro二次开发中介绍了基本的模板匹配流程。现在用户要求实现多角度范围匹配，并将结果整合。在VisionPro中，多角度匹配是通过设置`CogPMAlignRunParams`中的角度范围参数来实现的。但需要注意，当角度范围较大时，可能会影响匹配速度。因此，合理设置角度范围和步长是关键。 ### 多角度范围匹配实现步骤 1. **设置角度搜索范围** 在`CogPMAlignRunParams`中，通过`ZoneAngle`属性设置角度搜索范围： ```csharp CogPMAlignRunParams runParams = new CogPMAlignRunParams(); runParams.ZoneAngle.Low = -90; // 最小角度（度） runParams.ZoneAngle.High = 90; // 最大角度 ``` 2. **调整角度步长（可选）** 默认情况下，VisionPro会自动选择角度步长。但你可以通过以下方式调整： ```csharp runParams.AngleComputation = CogPMAlignAngleComputationConstants.HighAccuracy; // 高精度（慢速） // 或者 runParams.AngleComputation = CogPMAlignAngleComputationConstants.HighSpeed; // 高速（精度较低） ``` 3. **执行匹配并获取多个结果** `CogPMAlignTool`会返回多个匹配结果（按匹配分数排序）： ```csharp pmTool.Run(); CogPMAlignResults results = pmTool.Results; ``` 4. **结果整合** 通常我们只取分数最高的结果，但也可以根据需求整合多个结果： ```csharp // 遍历所有结果 foreach (CogPMAlignResult result in results) { if (result.Score < runParams.AcceptThreshold) continue; // 跳过低于阈值的结果 // 获取位置和姿态信息 double x = result.OriginX; double y = result.OriginY; double angle = result.Rotation; double scale = result.Scaling; // 整合逻辑（例如：计算平均位置或选择特定区域内的结果） } ``` ### 完整示例代码：多角度匹配与结果整合 ```csharp using Cognex.VisionPro; using Cognex.VisionPro.PMAlign; public List<CogPMAlignResult> RunMultiAngleMatching(ICogImage testImage, double angleLow, double angleHigh) { // 加载预训练模板 CogPMAlignPattern pattern = LoadPattern("template.vpp"); // 配置匹配参数 CogPMAlignRunParams runParams = new CogPMAlignRunParams { AcceptThreshold = 0.7, ZoneAngle = { Low = angleLow, High = angleHigh }, // 设置角度范围 ZoneScale = { Low = 0.9, High = 1.1 }, NumToFind = 10 // 最多返回10个匹配结果 }; // 执行匹配 CogPMAlignTool pmTool = new CogPMAlignTool { Pattern = pattern, RunParams = runParams, InputImage = testImage }; pmTool.Run(); // 结果整合：这里简单返回所有匹配结果（调用者进一步处理） return pmTool.Results.ToList(); } // 示例调用：匹配-90°到90°范围内的目标 List<CogPMAlignResult> results = RunMultiAngleMatching(testImage, -90, 90); // 处理结果：这里只打印每个结果的信息 foreach (var result in results) { Console.WriteLine($"位置: ({result.OriginX:F2}, {result.OriginY:F2}) 角度: {result.Rotation:F1}° 分数: {result.Score:F2}"); } ``` ### 结果整合策略 1. **分数优先策略** 直接取分数最高的结果：`CogPMAlignResult bestResult = results[0];` 2. **区域聚类整合** 当存在多个相似目标时，可以通过位置聚类合并相邻结果： ```csharp List<CogPMAlignResult> mergedResults = new List<CogPMAlignResult>(); foreach (var result in results) { bool isMerged = false; foreach (var merged in mergedResults) { // 简单距离判断：如果两个结果中心距离小于阈值，则合并（取平均） double dx = result.OriginX - merged.OriginX; double dy = result.OriginY - merged.OriginY; if (Math.Sqrt(dx*dx + dy*dy) < 50) // 50像素内视为同一目标 { merged.OriginX = (merged.OriginX + result.OriginX) / 2; merged.OriginY = (merged.OriginY + result.OriginY) / 2; isMerged = true; break; } } if (!isMerged) mergedResults.Add(result); } ``` 3. **加权平均整合** 根据匹配分数进行加权平均，分数高的结果权重更大： ```csharp double totalScore = results.Sum(r => r.Score); double weightedX = results.Sum(r => r.OriginX * r.Score) / totalScore; double weightedY = results.Sum(r => r.OriginY * r.Score) / totalScore; ``` ### 性能优化建议 1. **角度范围分段搜索** 如果角度范围很大（如360°），建议分成多个区间并行处理： ```csharp // 示例：将360°分成4个90°区间 List<double> angleRanges = new List<double> { 0, 90, 180, 270 }; List<CogPMAlignResult> allResults = new List<CogPMAlignResult>(); foreach (double startAngle in angleRanges) { var partialResults = RunMultiAngleMatching(testImage, startAngle, startAngle + 90); allResults.AddRange(partialResults); } // 然后对allResults按分数排序 ``` 2. **使用GPU加速** VisionPro 9.0+支持GPU加速，在`CogPMAlignRunParams`中启用： ```csharp runParams.ComputeUsing = CogPMAlignComputeUsingConstants.UseGPU; ``` ### 常见问题解决 - **匹配时间过长** 减小角度范围/增加角度步长/限制搜索区域/降低`NumToFind` - **漏检目标** 降低`AcceptThreshold`/扩大角度范围/检查模板训练质量 - **误检率高** 提高`AcceptThreshold`/优化模板图像/设置更严格的缩放范围 --- ### 相关问题 1. VisionPro中如何实现360度全角度模板匹配？ 2. 模板匹配在多目标场景下如何避免重复检测同一物体？ 3. 如何通过VisionPro的C# API实时显示模板匹配结果？ 4. CogPMAlignTool在光照变化较大的环境下如何保持稳定性？ [^1]: VisionPro® 9.0 PMAlign工具手册，康耐视 [^2]: 基于VisionPro的工业视觉系统开发实践，机械工业出版社 [^3]: Cognex Developer Network, PMAlign Best Practices</think>在VisionPro二次开发中实现多角度范围模板匹配并整合结果，需要合理配置`CogPMAlignTool`的角度参数和结果处理逻辑。以下是完整解决方案： ### 多角度范围匹配实现步骤 1. **设置角度搜索范围** 通过`CogPMAlignRunParams.ZoneAngle`定义多角度搜索范围： ```csharp CogPMAlignRunParams runParams = new CogPMAlignRunParams(); runParams.ZoneAngle.Low = -90; // 最小角度 -90° runParams.ZoneAngle.High = 90; // 最大角度 +90° runParams.AngleResolution = 0.5; // 角度分辨率(度) ``` 2. **配置多结果返回** ```csharp runParams.NumToFind = 10; // 最多返回10个匹配结果 runParams.AcceptThreshold = 0.6; // 降低阈值以获取更多结果 ``` 3. **执行匹配并获取结果集** ```csharp pmTool.Run(); CogPMAlignResults results = pmTool.Results; ``` ### 多结果整合策略 ```csharp // 1. 分数优先排序 var sortedResults = results .Cast<CogPMAlignResult>() .OrderByDescending(r => r.Score) .ToList(); // 2. 位置聚类整合（避免重复） List<CogPMAlignResult> finalResults = new List<CogPMAlignResult>(); foreach (var result in sortedResults) { bool isDuplicate = false; foreach (var final in finalResults) { // 计算位置距离（欧氏距离） double distance = Math.Sqrt( Math.Pow(result.OriginX - final.OriginX, 2) + Math.Pow(result.OriginY - final.OriginY, 2)); // 20像素内视为同一目标 if (distance < 20) { isDuplicate = true; break; } } if (!isDuplicate && result.Score > 0.7) { finalResults.Add(result); } } // 3. 加权平均整合（可选） if (finalResults.Count > 0) { double avgX = finalResults.Average(r => r.OriginX); double avgY = finalResults.Average(r => r.OriginY); double avgAngle = finalResults.Average(r => r.Rotation); // 创建综合结果对象 var integratedResult = new { Position = new PointF((float)avgX, (float)avgY), Angle = avgAngle, Confidence = finalResults.Max(r => r.Score) }; } ``` ### 角度范围优化技巧 1. **分段搜索提升速度** ```csharp // 将大角度范围拆分为多个小范围 List<CogPMAlignResult> allResults = new List<CogPMAlignResult>(); for (int i = -90; i <= 90; i += 30) { runParams.ZoneAngle.Low = i; runParams.ZoneAngle.High = i + 30; pmTool.Run(); allResults.AddRange(pmTool.Results.Cast<CogPMAlignResult>()); } ``` 2. **动态角度约束** ```csharp // 根据前帧结果动态调整角度范围 if (prevAngle != null) { runParams.ZoneAngle.Low = prevAngle.Value - 15; runParams.ZoneAngle.High = prevAngle.Value + 15; } ``` ### 完整示例代码 ```csharp using Cognex.VisionPro; using Cognex.VisionPro.PMAlign; using System.Drawing; public IntegratedResult RunMultiAngleMatch(ICogImage image) { CogPMAlignTool pmTool = new CogPMAlignTool(); pmTool.Pattern = LoadPattern("template.vpp"); // 加载预训练模板 // 配置多角度参数 pmTool.RunParams = new CogPMAlignRunParams { ZoneAngle = { Low = -180, High = 180 }, // 360°全覆盖 AngleResolution = 0.5, NumToFind = 15, AcceptThreshold = 0.6, IgnorePolarity = true // 忽略明暗变化 }; // 执行匹配 pmTool.InputImage = image; pmTool.Run(); // 结果整合 var rawResults = pmTool.Results.Cast<CogPMAlignResult>() .Where(r => r.Score > 0.7) .OrderByDescending(r => r.Score) .ToList(); // 位置去重 (50像素阈值) var filteredResults = new List<CogPMAlignResult>(); foreach (var res in rawResults) { if (!filteredResults.Any(f => Distance(f.OriginX, f.OriginY, res.OriginX, res.OriginY) < 50)) { filteredResults.Add(res); } } // 返回最优结果 var bestResult = filteredResults.FirstOrDefault(); return new IntegratedResult { X = bestResult?.OriginX ?? 0, Y = bestResult?.OriginY ?? 0, Angle = bestResult?.Rotation ?? 0, Confidence = bestResult?.Score ?? 0 }; } private double Distance(double x1, double y1, double x2, double y2) => Math.Sqrt(Math.Pow(x1-x2, 2) + Math.Pow(y1-y2, 2)); ``` ### 关键注意事项 1. **性能平衡** - 角度分辨率$ \Delta\theta $与搜索时间$ T $满足： $$ T \propto \frac{\theta_{\text{max}} - \theta_{\text{min}}}{\Delta\theta} $$ - 工业场景推荐$ \Delta\theta = 0.5° \sim 1° $ 2. **抗干扰处理** ```csharp runParams.Algorithm = CogPMAlignAlgorithmConstants.PatMax; // 高精度模式 runParams.ContrastThreshold = 5; // 提升边缘对比度阈值 ``` 3. **结果验证** ```csharp // 几何约束验证 if (Math.Abs(result.Scaling - 1.0) > 0.2) // 缩放超限 result.Reject(); ``` ### 应用场景对比 | 场景 | 角度范围 | 分辨率 | 结果数 | |------|----------|--------|--------| | 精密定位 | ±10° | 0.1° | 1-2 | | 无序抓取 | ±180° | 1° | ≤5 | | 高速检测 | ±30° | 2° | 1 | --- ### 相关问题 1. VisionPro中如何实现360度全角度模板匹配？ 2. 多目标匹配时如何避免结果冲突？ 3. 模板匹配在旋转对称物体上如何优化？ 4. 如何动态调整匹配参数适应不同光照条件？ 5. CogPMAlignTool与CogCNLSearchTool在角度匹配上的性能差异？ [^1]: VisionPro® 9.0 PMAlign工具手册，康耐视技术文档 [^2]: 基于VisionPro的多角度匹配算法优化，机器视觉应用期刊 [^3]: Cognex Developer Network, Advanced PMAlign Techniques
评论 31
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值