WedX - журнал о программировании и компьютерных науках

Opencv всегда соответствует шаблону?

Я пытаюсь идентифицировать покемонов. Сначала я думал о распознавании изображений, но потом понял, что это не обязательно, так как я мог сравнить скриншот покемона с реальными спрайтами в игре (которые почти идентичны). Итак, я наткнулся на opencv. Я проверяю, соответствует ли скриншот покемона, которого я хочу идентифицировать, шаблонному изображению (спрайту реальной игры).

Скриншот Покемон

Шаблон №. 1 ==> Соответствие шаблону № 1

Шаблон №. 2 ==> Соответствие шаблону n. 2

Как видите, оба шаблона совпадают, хотя вместо этого используется только Шаблон n. 2 должно совпадать. По сути, неважно, какой шаблон я выберу, он всегда совпадает. Что я делаю неправильно?

Mat img = Imgcodecs.imread(inFile);
Mat templ = Imgcodecs.imread(templateFile);

//Create the result matrix
int result_cols = img.cols() - templ.cols() + 1;
int result_rows = img.rows() - templ.rows() + 1;
Mat result = new Mat(result_rows, result_cols, CvType.CV_32FC1);

//Do the Matching and Normalize
Imgproc.matchTemplate(img, templ, result, match_method);
Core.normalize(result, result, 0, 1, Core.NORM_MINMAX, -1, new Mat());

//Localizing the best match with minMaxLoc
MinMaxLocResult mmr = Core.minMaxLoc(result);

Point matchLoc;
if (match_method == Imgproc.TM_SQDIFF || match_method == Imgproc.TM_SQDIFF_NORMED) {
    matchLoc = mmr.minLoc;
} else {
    matchLoc = mmr.maxLoc;
}

System.out.println("minLoc: "+mmr.minLoc);
System.out.println("maxLoc: "+mmr.maxLoc);
System.out.println("minVal: "+mmr.minVal);
System.out.println("maxVal: "+mmr.maxVal);

//Detection rectangle
Imgproc.rectangle(img, matchLoc, new Point(matchLoc.x + templ.cols(),
        matchLoc.y + templ.rows()), new Scalar(0, 255, 0));

//Save the visualized detection
Imgcodecs.imwrite(outFile, img);

Редактировать:

Я просто напечатал minLoc, maxLoc, minVal, maxVal, чтобы понять, как установить порог.

templatematch1.png
minLoc: {79.0, 101.0}
maxLoc: {0.0, 5.0}
minVal: 0.0
maxVal: 1.0


templatematch2.png
minLoc: {80.0, 106.0}
maxLoc: {17.0, 0.0}
minVal: 0.0
maxVal: 1.0

  • вы никогда не устанавливаете пороговое значение совпадения (минимальное или максимальное)... чего вы ожидаете? Вы должны увидеть совпадение для #2 выше (или ниже), чем для #1 26.04.2019
  • также вам нужен тот же фон, чтобы иметь приличное обнаружение... Возможно, вам лучше использовать сопоставление дескрипторов 26.04.2019
  • Я только что обновил вопрос. Как видите, minVal и maxVal одинаковы для №1 и №2. Итак, не уверен, как мне установить порог. 27.04.2019
  • вы нормализуете результат... очевидно, что min и max всегда будут 0 и 1 27.04.2019
  • Спасибо. Я проверю, соответствует ли minVal ‹ тройки. Я думаю, мне нужно установить его значение экспериментально? Надеюсь, это будет правильный матч для всех покемонов. Что касается сопоставления дескрипторов, я понятия не имею, как это сделать. Я новичок в компьютерном зрении. 27.04.2019

Новые материалы

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

ИИ в аэрокосмической отрасли
Каждый полет – это шаг вперед к великой мечте. Чтобы это происходило в их собственном темпе, необходима команда астронавтов для погони за космосом и команда технического обслуживания..


Для любых предложений по сайту: [email protected]