三两白菜
三两白菜
请问您看的“好几份开源思路”都有哪些呀，能否方便指引一下 > 如果考虑到博主使用的是原图旋转的方案的话，确实warpAffine旋转带来的黑色边缘影响会小很多。不过看了好几分开源思路，都是选择的模板旋转这种方案，具体还是不知道谁优谁劣； 不过博主的test0里面有两个目标匹配错误了，不知道博主有没有注意，匹配精度是否要进一步确认，我看test0里面得分最高的那个结果是个错误的匹配对象。 另外我有研究楼主发在博客园里面的文章，受益匪浅，但是实现的时候又困难重重，不知道有没有机会能深入请教一下~ @Imageshop
感谢回复，后续会继续跟进 2.3 是目前对(x,y,angle)没有确切的物理关系，那对于模板匹配效果的评价指标，该如何界定呢。就比如说，HALCON、Cognex与您的方案对比，如何评价定位配准的效果？ 3.1 构建27个参数，那角度的步长如何设定，设定的依据与原理是什么呢？
你好，博主，检测时间可以观察了 1 检测时间 1.1 不包括检测图像读取加载吗？ 1.2 若有预处理，是否也不计时在内？ 1.3 在线测试，模板图像在这里仅加载一次，且不计时在内？ 2 模板图像获取，需要做哪些人为处理，才能获得较为理想的模板信息呢？ 3 目前测试与halcon相比，采用1280X960检测图像和640X640模板图像，整体效果还可以 3.1 一般定位在x和y方向各存在±1像素以内的偏差，角度存在1°以内的偏差，但也存在较大定位偏差；有什么方式可以增强定位精度的方式？比如2中对模板图像进行人为处理等。 3.2 参数设置，目标数目1、最大重叠率0、得分0.9、角度范围[-10,10]，开SIMD和次像素估计，耗时45-65ms(处理器i7-12700H，2.7GHz)；该耗时是否在合理预期范围？耗时波动20ms由哪些因素影响？能否进一步加速缩短耗时？  4 最近打算进一步研究您发的论文和该方案，在方案上如何快速梳理流程和原理，您有哪些建议吗？ ----------------------------- 感谢博主近些天的帮助与指导 (ʃƪ ˘ ³˘)啾❣｡･ﾟ♡
感谢回复 1 关于定位结果的询问，采用圆形模板匹配检测图像   1.1 旋转范围为0°时，测试定位(x,y)均为像素级整数信息，如何获取亚像素级的定位结果呢？  1.2 旋转范围设置非0°时，可以获取亚像素级的定位结果；但以当前设置1时(2°的范围)，存在超出该范围的定位角度结果，造成这种现象可能的因素是哪些，有什么解决方法吗？ (PS:还是说，我对Tolerance参数设置角度的理解有误，那应该如何理解？)  2 关于论文与本源码 2.1 在模板匹配领域里，您有哪些认为不错的论文或是检索关键词等资料信息，能否提供指导一下 (PS: Maybe 我将要在这一方面长期钻研了) 2.2 本源码工程，如何梳理和研究更加高效，能否提供一下脉络或线索
1.1 那这样理解是否合适：由于0°没有角度信息，使得3X3X3二项式插值无法实现，从而只有像素级的定位结果。 1.2.1 Tolerance的参数物理含义是什么，不是设置检测图像的旋转范围吗？ 1.2.2 右下窗口返回的Angle是模板对应检测目标的实际物理角度信息，通过各层金字塔的匹配角度+角度步长确定？ 2.1 测试了一下该博主的based与subpixel(https://github.com/meiqua/shape_based_matching/tree/subpixel) 2.1.1 发现subpixel创建检测图像的响应表耗时是based的一倍左右，这可能是进行了icp处理后产生的效果，您知道icp为什么会造成近一倍的耗时增加吗？ 2.1.2 对该subpixel响应表创建过程，有哪些可尝试的改进方向？ 2.1.3 观察了一下模板特征点的筛选与确定，在距离约束与nms作用下，发现对特征点拾取分布比较均匀，但是对于部分细小的结构/纹理特征产生了消除或抑制的影响；除非增加大量的特征点数量，但这样并非一种较好的方式，而且增加特征点数目也导致匹配结果与效果下降。我认为对于模板匹配而言，图像目标的特征性信息对匹配效果有很大的影响，请问您有哪些方式或想法可以更加有效的提取出局部细小的结构/纹理特征？ 2.2 对于模板匹配技术已经发展几十年，很多商业软件也是从当初的技术与思想上发展与演变过来的，对于Halcon等商业软件的模板匹配技术或文档，在检索方向上您有哪些建议与理解？尤其是对于早期的技术资料与技术思路。
谢谢回复 这几天在梳理源码，待我把有疑惑的问题梳理清再向您请教
没问题，肯定帮大哥宣传介绍的 (PS：最近刚接触这领域，相信以后认识的人就会多了；有啥需要我能帮的一定帮大哥) ****** 2.2.2 灰度图像采用meanStdDev ()函数，实际仅用了第一通道进行mean和stdDev计算吧 2.2.3 我看到《机器视觉算法与应用》中对模板匹配介绍ncc匹配，是将模板在检测图像上逐像素进行遍历匹配和计算相似度，从而筛选出最佳(x,y)，您这里也是这个思路吗？ 4.2 iStopLayer部分注释掉也不会影响整体运行效果吧 5.3 是对每次旋转后的检测图像，各自截取相应最小外接正方形吗？多余区域采用黑色填充吧。 5.4 shape匹配也是采用类似填充获取极值，实现多目标检测的吗？还是有其他思路完成多目标任务？
感谢回复 5.4 shape的多目标是如何避免重复定位相同目标呢
> 您好，我留意过您的github，想了解一下你这里用ncc方式是如何实现亚像素的效果呢