python - 如何缩小图像搜索范围以进行模板匹配？

Question

我正在使用openCV模板匹配算法，但是在基础图像中搜索模板图像会花费很长时间。
有什么方法可以告诉算法仅在给定基础图像的特定区域(例如上，下，左，右)中搜索模板图像？
我的目标是减少搜索时间，其他任何方法都应得到赞赏。
这是我的代码-

template = cv2.imread(temp_img)
template = cv2.cvtColor(template, cv2.COLOR_BGR2GRAY)
sigma=0.33
v = np.median(template)
lower = int(max(0, (1.0 - sigma) * v))
upper = int(min(255, (1.0 + sigma) * v))
template = cv2.Canny(template, lower, upper)
(tH, tW) = template.shape[:2]
baseImage = cv2.imread(base_img)
gray = cv2.cvtColor(baseImage, cv2.COLOR_BGR2GRAY)
found = None
threshold = 0.8
for scale in np.linspace(0.1, 0.5, 30)[::-1]:
    resized = imutils.resize(gray, width=int(gray.shape[1] * scale))
    r = gray.shape[1] / float(resized.shape[1])
    if resized.shape[0] < tH or resized.shape[1] < tW:
        break   
    v = np.median(resized)
    lower = int(max(0, (1.0 - sigma) * v))
    upper = int(min(255, (1.0 + sigma) * v))
    canny = cv2.Canny(resized, lower, upper)
    res = cv2.matchTemplate(canny, template, cv2.TM_CCOEFF_NORMED)
    (min_val, max_val, _, max_loc) = cv2.minMaxLoc(res) 
    if found is None or max_val > found[0]:
        found = (max_val, max_loc, r)               
(max_val, max_loc, r) = found
if max_val > threshold:
    (start_x, start_y) = (int(max_loc[0] * r), int(max_loc[1] * r))
    (end_x, end_y) = (int((max_loc[0] + tW) * r), int((max_loc[1] + tH) * r))
    cv2.rectangle(original_image, (start_x, start_y), (end_x, end_y), (0,255,0), 2)
    cv2.imshow('detected', original_image)
    cv2.imwrite('detected.png', original_image)
    cv2.waitKey(0)

Answer 1

花费很长时间的原因是您正在搜索给定图像中模板图像的每个比例。

for scale in np.linspace(0.1, 0.5, 30)[::-1]:
    resized = imutils.resize(gray, width=int(gray.shape[1] * scale))

您可以删除 for循环以减少搜索时间。折衷方案可能是缺少模板图像。例如:如果给定图像中有5个模板图像，则可能会找到2个。
第二个选项是更改 linspace参数:

当前参数:

开始: 0.1

停止: 0.5

num: 30

如果我们解释当前的参数:

从0.1到0.5比率的范围:

您将从每个样本生成30个样本。

可能的解决方案:

您可以缩短范围，即从0.4-0.5 np.linspace(0.4, 0.5, 30)

或者您可以减小生成的样本大小，即np.linspace(0.1, 0.5, 20) 20