یافتن اشیا مشابه یک الگو با پایتون

فایل های آموزشی رایگان

توضیحات ویدئو

روش Template matching یکی از تکنیک‌های مهم در حوزه بینایی ماشین است که به ما امکان می‌دهد یک قالب یا الگوی مشخص را درون یک تصویر بیابیم و از آن‌ها برای تحلیل و پردازش تصاویر استفاده کنید. این روش ساده و قدرتمند، به شما امکان می‌دهد که در حوزه‌های مختلفی از جمله تشخیص الگوها، تشخیص چهره و تشخیص علائم با دقت بالا عمل کنید. این تکنیک با استفاده از کتابخانه OpenCV در پایتون قابل اجرا است. 

برای شروع، باید اطمینان حاصل کنید که کتابخانه OpenCV را در پایتون نصب کرده‌اید. OpenCV یک کتابخانه قدرتمند برای پردازش تصویر است و مجموعه‌ای از توابع و ابزارهای مرتبط با بینایی ماشین را برای ما فراهم می‌کند. سپس، باید تصویر اصلی و قالب را بارگذاری کنید. تصویر اصلی ممکن است یک تصویر ثابت باشد و قالب نیز می‌تواند یک تصویر باشد که می‌خواهید درون تصویر اصلی آن را پیدا کنید.
 
سپس، با استفاده از تابع `cv2.matchTemplate` می‌توانید روش Template matching را اجرا کنید. این تابع دو پارامتر مهم دارد که شامل تصویر اصلی و قالب است. همچنین، باید یک متد روش Template matching را انتخاب کنید که می‌تواند شامل متد‌هایی مانند `cv2.TM_CCORR_NORMED`، `cv2.TM_CCOEFF_NORMED` و `cv2.TM_SQDIFF_NORMED` باشد.
 
در نهایت، با استفاده از تابع `cv2.minMaxLoc`، می‌توانید موقعیت قالب در تصویر اصلی و همچنین امتیاز شباهت را بدست آورید. البته در ویدئو از یک حد آستانه (threshold=0.8) و تابع `np.where`، برای استخراج قالب موردنظر استفاده شده است.

کدهای پروژه

 
#python
import cv2
import numpy as np
 
# بارگیری تصویر اصلی و قالب
image = cv2.imread(‘path/to/image.jpg’) template = cv2.imread(‘path/to/template.jpg’)
 
# ابعاد قالب را دریافت کنید
template_height, template_width, _ = template.shape
 
# اجرای روش Template matching
result = cv2.matchTemplate(image, template, cv2.TM_CCOEFF_NORMED)
 
# بدست آوردن موقعیت قالب در تصویر اصلی
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(result)
 
# موقعیت بالا چپ و پایین راست قالب را مشخص کنید
top_left = max_loc
bottom_right = (top_left[0] + template_width, top_left[1] + template_height)
 
# رسم مستطیل دور قالب در تصویر اصلی
cv2.rectangle(image, top_left, bottom_right, (0, 255, 0), 2)
 
# نمایش تصویر اصلی با قالب مشخص شده
cv2.imshow(‘Image’, image)
cv2.waitKey(0)
cv2.destroyAllWindows()
امیدواریم این پروژه برای شما مفید و کاربردی واقع شده باشد. هدف آکادمی هوش مصنوعی رضوان، به اشتراک ‌گذاری تجربیاتی ارزشمند در زمینه پردازش تصویر و هوش مصنوعی با شما مخاطب ارجمند است. لطفا از سایر آموزش‌های رایگان و دوره‌های آموزشی ما دیدن و ما را در شبکه‌های اجتماعی دنبال فرمایید.

دیدگاهتان را بنویسید