文章作者：激萌の小宅

促销：￥0

价格：￥0

配送方式：购买后立即生效（如购买异常，请联系站长）

付款之后一定要等待自动跳转结束，否则购买可能会失败

0 天

有效期
0

总销量
0

累计评价

详细说明

<h1 style="font-size: 32px; border-bottom: 2px solid rgb(204, 204, 204); padding: 0px 4px 0px 0px; margin: 0px 0px 10px;">寻找已知物体（一）</h1>当前系列所有demo下载地址：<p style="margin-top: 0px; margin-bottom: 10px; text-wrap: wrap; padding: 0px; list-style: none; border: 0px; overflow-wrap: break-word; word-break: break-all; line-height: 1.5em; font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; color: rgb(51, 51, 51); box-sizing: border-box;"><a href="https://github.com/GaoRenBao/OpenCv4-Demo" target="_blank" style="margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(0, 102, 0); transition-duration: 0.2s; transition-property: opacity; outline: none; opacity: 0.8;">https://github.com/GaoRenBao/OpenCv4-Demo</a><p style="margin-top: 0px; margin-bottom: 10px; text-wrap: wrap; box-sizing: border-box; overflow-wrap: break-word; word-break: break-all; line-height: 1.5em; font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; color: rgb(51, 51, 51); "><a target="_blank" href="https://pan.baidu.com/s/1T9xl4KOBvU1g7AyDfPWlpw" style="box-sizing: border-box; color: rgb(0, 102, 0); transition-duration: 0.2s; transition-property: opacity; background-color: transparent; outline: none;"></a> 还有一种比较简单的，利用sift寻找已知物体的算法。<p style="margin-top: 0px; margin-bottom: 10px; text-wrap: wrap; box-sizing: border-box; overflow-wrap: break-word; word-break: break-all; line-height: 1.5em; font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; color: rgb(51, 51, 51); ">源码参考原文：<p style="margin-top: 0px; margin-bottom: 10px; text-wrap: wrap; box-sizing: border-box; overflow-wrap: break-word; word-break: break-all; line-height: 1.5em; font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; color: rgb(51, 51, 51); "><a href="/api/system/download?file=OpenCV-Python-Tutorial-%E4%B8%AD%E6%96%87%E7%89%88.pdf" target="_blank" title="OpenCV-Python-Tutorial-中文版.pdf （P213）">OpenCV-Python-Tutorial-中文版.pdf （P213）</a>  <p style="margin-top: 0px; margin-bottom: 10px; text-wrap: wrap; padding: 0px; list-style: none; border: 0px; overflow-wrap: break-word; word-break: break-all; line-height: 1.5em; font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; box-sizing: border-box; color: rgb(51, 51, 51);">不同编程语言对应的OpenCv版本以及开发环境信息如下： <table border="1" style="border-right: none; border-bottom: none; border-image: initial; border-left: 1px solid rgb(102, 102, 102); border-top: 1px solid rgb(102, 102, 102);"><tbody><tr class="firstRow"><td width="81" valign="top" style="border-color: windowtext rgb(102, 102, 102) rgb(102, 102, 102) windowtext; border-bottom-width: 1px; border-bottom-style: solid; border-right-width: 1px; border-right-style: solid; padding: 5px;">语言</td><td width="223" valign="top" style="border-color: windowtext rgb(102, 102, 102) rgb(102, 102, 102) windowtext; border-bottom-width: 1px; border-bottom-style: solid; border-right-width: 1px; border-right-style: solid; padding: 5px;">OpenCv版本</td><td width="242" valign="top" style="border-color: windowtext rgb(102, 102, 102) rgb(102, 102, 102) windowtext; border-bottom-width: 1px; border-bottom-style: solid; border-right-width: 1px; border-right-style: solid; padding: 5px;">IDE</td></tr><tr><td width="81" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">C#</td><td width="223" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">OpenCvSharp4.4.8.0.20230708</td><td width="242" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">Visual Studio 2022</td></tr><tr><td width="81" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">C++</td><td width="223" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">OpenCv-4.5.5-vc14_vc15</td><td width="242" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">Visual Studio 2022</td></tr><tr><td width="81" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">Python</td><td width="223" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">OpenCv-Python (4.6.0.66)</td><td width="242" valign="top" style="border-top: none; border-left-color: windowtext; border-bottom: 1px solid rgb(102, 102, 102); border-right: 1px solid rgb(102, 102, 102); padding: 5px;">PyCharm Community Edition 2022.1.3</td></tr></tbody></table> 首先呢，我们需要准备两张测试图片，这里不推荐使用毛星云的那两张测试图片哈，毛星云的测试图片效果不是很好，所以需要对图片做些裁剪，准备的图片如下，一张是需要查找的图片，另一张是目标图片。<img src="/upload/image/6379304803323227495798950.jpg" title="11.jpg" alt="11.jpg"/> <img src="/upload/image/6379304803897483639144214.jpg" title="2.jpg" alt="2.jpg"/> Python运行效果如下，这个效果和毛星云的貌似相差不大（python运行效果会好点，其他语言的会差点）<img src="/upload/image/6383454159049110776283897.jpg" title="out.jpg" alt="out.jpg"/> <strong style="text-wrap: wrap; margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; ">C#版本代码如下：<pre class="brush:c#;toolbar:false">using OpenCvSharp; using System.Collections.Generic; namespace demo {     internal class Program     {         static void Main(string[] args)         {             // queryImage             Mat img1 = Cv2.ImRead("../../../images/book_box.jpg");             // trainImage             Mat img2 = Cv2.ImRead("../../../images/book2.jpg");             var Sift = OpenCvSharp.Features2D.SIFT.Create();             KeyPoint[] kp1, kp2;             Mat des1 = new Mat();             Mat des2 = new Mat();             Sift.DetectAndCompute(img1, null, out kp1, des1);             Sift.DetectAndCompute(img2, null, out kp2, des2);             //BFMatcher with default params             BFMatcher bf = new BFMatcher();             DMatch[][] matches = bf.KnnMatch(des1, des2, 2);             List<DMatch[]> good = new List<DMatch[]>();             //Apply ratio test             //比值测试，首先获取与 A距离最近的点 B （最近）和 C （次近），             //只有当 B/C 小于阀值时（0.75）才被认为是匹配，             //因为假设匹配是一一对应的，真正的匹配的理想距离为0             for (int i = 0; i < matches.Length; i++)             {                 if (matches[i][0].Distance < 0.75 * matches[i][1].Distance)                     good.Add(matches[i]);             }             //cv2.drawMatchesKnn expects list of lists as matches.             Mat img3 = new Mat();             Cv2.DrawMatchesKnn(img1, kp1, img2, kp2, good.ToArray(), img3, flags: DrawMatchesFlags.NotDrawSinglePoints);             Cv2.ImShow("out", img3);             Cv2.WaitKey(0);         }     } }</pre><strong style="text-wrap: wrap; margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; "> <strong style="text-wrap: wrap; margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; ">C++版本代码如下：参考博客：<a href="https://blog.csdn.net/fengweichangzi/article/details/119872074" target="_blank">https://blog.csdn.net/fengweichangzi/article/details/119872074</a><pre class="brush:cpp;toolbar:false">#include <opencv2/opencv.hpp> #include <opencv2/features2d.hpp> #include <iostream> using namespace cv; using namespace std; int main() {     // queryImage     Mat img1 = cv::imread("../images/book_box.jpg");     // trainImage     Mat img2 = cv::imread("../images/book2.jpg");     Ptr<SIFT> sift = SIFT::create();     vector<KeyPoint> kp1, kp2;     Mat des1, des2;     sift->detectAndCompute(img1, Mat(), kp1, des1);     sift->detectAndCompute(img2, Mat(), kp2, des2);     //BFMatcher with default params     BFMatcher bf;     vector<vector<DMatch>> matches;     bf.knnMatch(des1, des2, matches, 2);     vector<vector<DMatch>> good;     for (int i = 0; i < matches.size(); i++)     {         if (matches[i][0].distance < 0.75 * matches[i][1].distance)             good.push_back(matches[i]);     }     //cv2.drawMatchesKnn expects list of lists as matches.     Mat img3;     drawMatches(img1 = img1, kp1, img2, kp2, good, img3,          Scalar::all(-1), Scalar::all(-1), std::vector<std::vector<char> >(),         DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);     cv::imshow("img", img3);     cv::waitKey(0); }</pre><strong style="text-wrap: wrap; margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; "> <strong style="text-wrap: wrap; margin: 0px; padding: 0px; list-style: none; border: 0px; color: rgb(51, 51, 51); font-family: "Helvetica Neue", Helvetica, "PingFang SC", "Hiragino Sans GB", "Microsoft YaHei", "Noto Sans CJK SC", "WenQuanYi Micro Hei", Arial, sans-serif; ">Python版本代码如下：<pre class="brush:python;toolbar:false">import cv2 from matplotlib import pyplot as plt img1 = cv2.imread('../images/book_box.jpg') # queryImage img2 = cv2.imread('../images/book2.jpg') # Initiate SIFT detector # sift = cv2.SIFT() sift = cv2.xfeatures2d.SIFT_create() # find the keypoints and descriptors with SIFT kp1, des1 = sift.detectAndCompute(img1, None) kp2, des2 = sift.detectAndCompute(img2, None) # BFMatcher with default params bf = cv2.BFMatcher() matches = bf.knnMatch(des1, des2, k=2) # Apply ratio test # 比值测试，首先获取与 A距离最近的点 B （最近）和 C （次近）， # 只有当 B/C 小于阀值时（0.75）才被认为是匹配， # 因为假设匹配是一一对应的，真正的匹配的理想距离为0 good = [] for m, n in matches:     if m.distance < 0.75 * n.distance:         good.append([m]) # cv2.drawMatchesKnn expects list of lists as matches. # img3 = np.ndarray([2, 2]) # img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good[:10], img3, flags=2) # cv2.drawMatchesKnn expects list of lists as matches. img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good, None, flags=2) cv2.imshow("out", img3) # cv2.imwrite("out.jpg", img3) cv2.waitKey(0)</pre>

寻找已知物体（一）

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

还有一种比较简单的，利用sift寻找已知物体的算法。

源码参考原文：

OpenCV-Python-Tutorial-中文版.pdf （P213）

不同编程语言对应的OpenCv版本以及开发环境信息如下：

语言	OpenCv版本	IDE
C#	OpenCvSharp4.4.8.0.20230708	Visual Studio 2022
C++	OpenCv-4.5.5-vc14_vc15	Visual Studio 2022
Python	OpenCv-Python (4.6.0.66)	PyCharm Community Edition 2022.1.3

首先呢，我们需要准备两张测试图片，这里不推荐使用毛星云的那两张测试图片哈，毛星云的测试图片效果不是很好，所以需要对图片做些裁剪，准备的图片如下，一张是需要查找的图片，另一张是目标图片。

Python运行效果如下，这个效果和毛星云的貌似相差不大（python运行效果会好点，其他语言的会差点）

C#版本代码如下：

using OpenCvSharp;
using System.Collections.Generic;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // queryImage
            Mat img1 = Cv2.ImRead("../../../images/book_box.jpg");
            // trainImage
            Mat img2 = Cv2.ImRead("../../../images/book2.jpg");
            var Sift = OpenCvSharp.Features2D.SIFT.Create();

            KeyPoint[] kp1, kp2;
            Mat des1 = new Mat();
            Mat des2 = new Mat();
            Sift.DetectAndCompute(img1, null, out kp1, des1);
            Sift.DetectAndCompute(img2, null, out kp2, des2);

            //BFMatcher with default params
            BFMatcher bf = new BFMatcher();
            DMatch[][] matches = bf.KnnMatch(des1, des2, 2);

            List<DMatch[]> good = new List<DMatch[]>();
            //Apply ratio test
            //比值测试，首先获取与 A距离最近的点 B （最近）和 C （次近），
            //只有当 B/C 小于阀值时（0.75）才被认为是匹配，
            //因为假设匹配是一一对应的，真正的匹配的理想距离为0
            for (int i = 0; i < matches.Length; i++)
            {
                if (matches[i][0].Distance < 0.75 * matches[i][1].Distance)
                    good.Add(matches[i]);
            }

            //cv2.drawMatchesKnn expects list of lists as matches.
            Mat img3 = new Mat();
            Cv2.DrawMatchesKnn(img1, kp1, img2, kp2, good.ToArray(), img3, flags: DrawMatchesFlags.NotDrawSinglePoints);

            Cv2.ImShow("out", img3);
            Cv2.WaitKey(0);
        }
    }
}

C++版本代码如下：

参考博客：https://blog.csdn.net/fengweichangzi/article/details/119872074

#include <opencv2/opencv.hpp>
#include <opencv2/features2d.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main()
{
    // queryImage
    Mat img1 = cv::imread("../images/book_box.jpg");
    // trainImage
    Mat img2 = cv::imread("../images/book2.jpg");

    Ptr<SIFT> sift = SIFT::create();
    vector<KeyPoint> kp1, kp2;
    Mat des1, des2;
    sift->detectAndCompute(img1, Mat(), kp1, des1);
    sift->detectAndCompute(img2, Mat(), kp2, des2);

    //BFMatcher with default params
    BFMatcher bf;
    vector<vector<DMatch>> matches;
    bf.knnMatch(des1, des2, matches, 2);

    vector<vector<DMatch>> good;
    for (int i = 0; i < matches.size(); i++)
    {
        if (matches[i][0].distance < 0.75 * matches[i][1].distance)
            good.push_back(matches[i]);
    }

    //cv2.drawMatchesKnn expects list of lists as matches.
    Mat img3;
    drawMatches(img1 = img1, kp1, img2, kp2, good, img3, 
        Scalar::all(-1), Scalar::all(-1), std::vector<std::vector<char> >(),
        DrawMatchesFlags::NOT_DRAW_SINGLE_POINTS);

    cv::imshow("img", img3);
    cv::waitKey(0);
}

Python版本代码如下：

import cv2
from matplotlib import pyplot as plt

img1 = cv2.imread('../images/book_box.jpg')
# queryImage
img2 = cv2.imread('../images/book2.jpg')
# Initiate SIFT detector
# sift = cv2.SIFT()
sift = cv2.xfeatures2d.SIFT_create()

# find the keypoints and descriptors with SIFT
kp1, des1 = sift.detectAndCompute(img1, None)
kp2, des2 = sift.detectAndCompute(img2, None)

# BFMatcher with default params
bf = cv2.BFMatcher()
matches = bf.knnMatch(des1, des2, k=2)

# Apply ratio test
# 比值测试，首先获取与 A距离最近的点 B （最近）和 C （次近），
# 只有当 B/C 小于阀值时（0.75）才被认为是匹配，
# 因为假设匹配是一一对应的，真正的匹配的理想距离为0
good = []
for m, n in matches:
    if m.distance < 0.75 * n.distance:
        good.append([m])

# cv2.drawMatchesKnn expects list of lists as matches.
# img3 = np.ndarray([2, 2])
# img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good[:10], img3, flags=2)

# cv2.drawMatchesKnn expects list of lists as matches.
img3 = cv2.drawMatchesKnn(img1, kp1, img2, kp2, good, None, flags=2)
cv2.imshow("out", img3)
# cv2.imwrite("out.jpg", img3)
cv2.waitKey(0)