使用匹配Python的模板在一个文件夹中查找和组织图像

Question

我正在制作一个NFT项目，我制作了40000张图像，所以我想根据某些图像中的某些对象在文件夹中对它们进行排序
我使用的模板图像要比要复制所有具有相同obejct模板的图像到新文件夹的图像 我找到了openCV模板匹配 这是图像的图像，我想将所有与模板图像匹配的红色帽子复制到新文件夹 这是我的图像

这是我的代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image
import os, errno



threshold = 0.8 #set threshold
resultsDirectory = 'results'
sourceDirectory = os.fsencode(r'C:\Users\Amir\Desktop\Nouveau dossier (2)\rrr')
templateDirectory = os.fsencode(r'C:\Users\Amir\Desktop\Nouveau dossier (2)\3.png')
detectedCount = 0


for file in os.listdir(sourceDirectory):
    filename = os.fsdecode(file)
    if filename.endswith(".jpg") or filename.endswith(".png"): 

        print (filename)

        img_rgb = cv2.imread(r'C:\Users\Amir\Desktop\Nouveau dossier (2)\rrr'+filename)
        img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)

        for templateFile in os.listdir(templateDirectory):
            templateFilename = os.fsdecode(templateFile)

            if filename.endswith(".jpg") or filename.endswith(".png"):
                template = cv2.imread(r'C:\Users\Amir\Desktop\Nouveau dossier (2)\3.png'+templateFilename,0)
                w, h = template.shape[::-1]
                res = cv2.matchTemplate(img_gray,template,cv2.TM_CCOEFF_NORMED)
                loc = np.where( res >= threshold)

                if (len(loc[0])):
                    detectedCount = detectedCount + 1
                    for pt in zip(*loc[::-1]):
                        cv2.rectangle(img_rgb, pt, (pt[0] + w, pt[1] + h), (0,0,255), 2)
                    cv2.imwrite(resultsDirectory+'/res_'+filename+'.png',img_rgb)
                    print ('/res_'+filename+'.png'+' saved')
                    # break

        print ('detected positive ' + str(detectedCount))
        continue
    else:
        continue

Answer 1

您想要的是一种足够快的提名交叉相关算法，我刚刚使用OpenCV实施了它。 github link

尽管C ++实现了它，但所有您都可以在Python版本中找到所有相应的OpenCV函数。

效果：

您可以使用函数匹配（）在检查图像中查找对象，并获取旋转角度和像素位置。然后，您可以使用像素位置对所有图像进行排序。

整个版本太长了，无法在此处发布，请检查我的github。

代码的一部分如下：

int iSize = (int)vecAngles.size ();
vector<s_MatchParameter> vecMatchParameter (iSize * (m_iMaxPos + MATCH_CANDIDATE_NUM));

for (int i = 0; i < iSize; i++)
{
    Mat matRotatedSrc, matR = getRotationMatrix2D (ptCenter, vecAngles[i], 1);
    Mat matResult;
    Point ptMaxLoc;
    double dValue, dMaxVal;
    double dRotate = clock ();
    Size sizeBest = GetBestRotationSize (vecMatSrcPyr[iTopLayer].size (), pTemplData->vecPyramid[iTopLayer].size (), vecAngles[i]);
    float fTranslationX = (sizeBest.width - 1) / 2.0f - ptCenter.x;
    float fTranslationY = (sizeBest.height - 1) / 2.0f - ptCenter.y;
    matR.at<double> (0, 2) += fTranslationX;
    matR.at<double> (1, 2) += fTranslationY;
    warpAffine (vecMatSrcPyr[iTopLayer], matRotatedSrc, matR, sizeBest);


    MatchTemplate (matRotatedSrc, pTemplData, matResult, iTopLayer);

    minMaxLoc (matResult, 0, &dMaxVal, 0, &ptMaxLoc);

    vecMatchParameter[i * (m_iMaxPos + MATCH_CANDIDATE_NUM)] = s_MatchParameter (Point2f (ptMaxLoc.x - fTranslationX, ptMaxLoc.y - fTranslationY), dMaxVal, vecAngles[i]);

    for (int j = 0; j < m_iMaxPos + MATCH_CANDIDATE_NUM - 1; j++)
    {
        ptMaxLoc = GetNextMaxLoc (matResult, ptMaxLoc, -1, pTemplData->vecPyramid[iTopLayer].cols, pTemplData->vecPyramid[iTopLayer].rows, dValue, m_dMaxOverlap);
        vecMatchParameter[i * (m_iMaxPos + MATCH_CANDIDATE_NUM) + j + 1] = s_MatchParameter (Point2f (ptMaxLoc.x - fTranslationX, ptMaxLoc.y - fTranslationY), dValue, vecAngles[i]);
    }
}
FilterWithScore (&vecMatchParameter, m_dScore-0.05*iTopLayer);