计算机视觉--opencv---如何识别不同方向图片的识别（一） - 指南 - tlnshuju

读取图像与模板：加载待检测的原始彩色图像和灰度模板图像
选择匹配方法：OpenCV 提供了多种匹配算法（如 TM_CCOEFF、TM_CCOEFF_NORMED 等）TM_CCOEFF（相关系数）、TM_CCOEFF_NORMED（归一化相关系数，最常用）
执行模板匹配：通过cv2.matchTemplate()计算模板在原始图像中的匹配度矩阵
阈值筛选结果：设定阈值（如0.9）过滤低匹配度的区域
重叠区域处理：保留匹配度最高的区域，避免重复标记

示例代码

import cv2
import numpy as np
# 1. 读取图像（原始图转灰度，模板直接读灰度）
img_rgb = cv2.imread('jiant.jpg')  # 原始彩色图（用于最终显示）
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)  # 灰度图（用于匹配）
template = cv2.imread('jt.jpg', 0)  # 模板（灰度模式）
h, w = template.shape[:2]  # 模板尺寸
# 2. 执行模板匹配（归一化相关系数法）
res = cv2.matchTemplate(img_gray, template, cv2.TM_CCOEFF_NORMED)
# 3. 设定阈值筛选匹配区域
threshold = 0.9
loc = np.where(res >= threshold)  # 获取匹配度≥阈值的坐标（y,x格式）
# 4. 绘制匹配框
for pt in zip(*loc[::-1]):  # 转换为(x,y)格式
    cv2.rectangle(img_rgb, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1)  # 红色框，线宽1
# 5. 显示结果
cv2.imshow('Multi-Template Matching', img_rgb)
cv2.waitKey(0)

代码效果展示：

二、OpenCV 图像旋转：固定角度的高效实现

固定角度旋转的技术优势

相比任意角度旋转，固定角度（90°/180°/270°）旋转具备：

像素位置可预测：无需插值，旋转后坐标为整数
画布尺寸确定：90°/270°旋转时宽高互换，180°旋转尺寸不变
计算效率极高：基于矩阵转置+翻转，比任意角度快10倍以上
无信息丢失：完整保留原始像素，不裁剪内容

`cv2.rotate()`函数深度解析

函数原型与参数

rotated_img = cv2.rotate(src, rotateCode)

src：输入图像（ndarray格式，支持单/三/四通道）
rotateCode：旋转模式（仅支持3种预定义值）：
- cv2.ROTATE_90_CLOCKWISE：顺时针转90°
- cv2.ROTATE_180：旋转180°
- cv2.ROTATE_90_COUNTERCLOCKWISE：逆时针转90°（等价于顺时针270°）
返回值：旋转后的图像（与输入同数据类型、通道数）

旋转模式的底层原理

旋转方向	实现步骤	尺寸变化	坐标映射公式
顺时针90°	转置+水平翻转	(w,h)→(h,w)	`(x',y')=(y, w-1-x)`
180°	两次水平翻转/反转像素顺序	(w,h)→(w,h)	`(x',y')=(w-1-x, h-1-y)`
逆时针90°	转置+垂直翻转	(w,h)→(h,w)	`(x',y')=(h-1-y, x)`

示例代码（两种实现方式）

import cv2
import numpy as np
# 读取原始图
img = cv2.imread('./jt.jpg')
# 方式1：使用np.rot90（更灵活）
rotated1 = np.rot90(img, k=-1)  # 顺时针90°（k=-1）
rotated2 = np.rot90(img, k=1)   # 逆时针90°（k=1）
# 方式2：使用cv2.rotate（更高效）
rotated_cv1 = cv2.rotate(img, cv2.ROTATE_90_CLOCKWISE)  # 顺时针90°
rotated_cv2 = cv2.rotate(img, cv2.ROTATE_90_COUNTERCLOCKWISE)  # 逆时针90°
rotated_cv3 = cv2.rotate(img, cv2.ROTATE_180)  # 180°旋转
# 显示结果（方式1）
cv2.imshow('Original', img)
cv2.imshow('Rotated 90° (np)', rotated1)
cv2.imshow('Rotated -90° (np)', rotated2)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 显示结果（方式2）
cv2.imshow('Rotated 90° (cv2)', rotated_cv1)
cv2.imshow('Rotated -90° (cv2)', rotated_cv2)
cv2.imshow('Rotated 180° (cv2)', rotated_cv3)
cv2.waitKey(0)

三、多角度图像识别：在大图中找不同角度的小模板

需求背景

原始模板仅能匹配一个角度，需生成旋转后的模板集合，逐一匹配以覆盖多角度目标。

实现步骤

1. 读取基础图像

img_rgb = cv2.imread('jiant.jpg')  # 原始彩色图（最终显示用）
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)  # 匹配用灰度图
template = cv2.imread('jt.jpg', 0)  # 原始模板（灰度）

2. 生成旋转模板集合

# 逆时针旋转90°的模板
image_ccw90 = np.rot90(template, k=-1)
# 顺时针旋转90°的模板
image_cw90 = np.rot90(template, k=1)

3. 定义通用匹配函数

def match_template(target_template, source_img, threshold=0.9):
    """
    执行模板匹配并标记结果
    :param target_template: 待匹配的模板（灰度）
    :param source_img: 原始彩色图（用于绘制框）
    :param threshold: 匹配阈值
    """
    # 获取模板尺寸
    h, w = target_template.shape[:2]
    # 执行匹配
    res = cv2.matchTemplate(img_gray, target_template, cv2.TM_CCOEFF_NORMED)
    # 筛选匹配位置
    loc = np.where(res >= threshold)
    # 绘制矩形框
    for pt in zip(*loc[::-1]):
        cv2.rectangle(source_img, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1)

4. 批量匹配与结果展示

# 1. 用原始模板匹配
match_template(template, img_rgb)
# 2. 用逆时针90°模板匹配
match_template(image_ccw90, img_rgb)
# 3. 用顺时针90°模板匹配
match_template(image_cw90, img_rgb)
# 显示最终结果（覆盖所有角度的匹配框）
cv2.imshow('Multi-Angle Template Matching', img_rgb)
cv2.waitKey(0)

完整代码

import cv2
import numpy as np
# 1. 读取基础图像
img_rgb = cv2.imread('jiant.jpg')
img_gray = cv2.cvtColor(img_rgb, cv2.COLOR_BGR2GRAY)
template = cv2.imread('jt.jpg', 0)
# 2. 生成旋转模板
image_ccw90 = np.rot90(template, k=-1)  # 逆时针90°
image_cw90 = np.rot90(template, k=1)    # 顺时针90°
# 3. 定义匹配函数
def match_template(target_template, source_img, threshold=0.9):
    h, w = target_template.shape[:2]
    res = cv2.matchTemplate(img_gray, target_template, cv2.TM_CCOEFF_NORMED)
    loc = np.where(res >= threshold)
    for pt in zip(*loc[::-1]):
        cv2.rectangle(source_img, pt, (pt[0]+w, pt[1]+h), (0,0,255), 1)
# 4. 执行多模板匹配
match_template(template, img_rgb)
match_template(image_ccw90, img_rgb)
match_template(image_cw90, img_rgb)
# 5. 显示结果
cv2.imshow('Multi-Angle Matching Result', img_rgb)
cv2.waitKey(0)

最终效果

（原始图中被红色框标记的多角度目标）

说明：

可根据需求扩展旋转角度（如45°需结合仿射变换，但固定角度已覆盖大部分场景）
阈值threshold需根据实际图像调整（范围0~1，越接近1匹配越严格）
若模板有缩放，需结合cv2.resize()预处理模板

刷新页面返回顶部

tlnshuju

计算机视觉--opencv---如何识别不同方向图片的识别（一） - 指南

OpenCV多模板匹配与多角度图像识别实战

数据准备：

一、使用 OpenCV 实现多模板匹配

核心步骤与原理

示例代码

代码效果展示：

二、OpenCV 图像旋转：固定角度的高效实现

固定角度旋转的技术优势

cv2.rotate()函数深度解析

函数原型与参数

旋转模式的底层原理

示例代码（两种实现方式）

三、多角度图像识别：在大图中找不同角度的小模板

需求背景

实现步骤

1. 读取基础图像

2. 生成旋转模板集合

3. 定义通用匹配函数

4. 批量匹配与结果展示

完整代码

最终效果

About

`cv2.rotate()`函数深度解析