Я ищу
1: обнаружить кнопку
2: определите победителя по цвету кнопки
Похоже, что сопоставление шаблонов - это то, что я должен делать, но это работает в оттенках серого. Кнопки, которые я обнаружил, зеленые и красные, но в оттенках серого выглядят почти одинаково. Моя идея заключалась в том, что если я вычту два цветовых канала из изображения и два шаблона, то когда я конвертирую все в оттенки серого, два изображения шаблона будут выглядеть по-разному и приведут к разным оценкам.
На практике так не получается. Я немного повозился с этим, и либо оба шаблона имеют очень высокие оценки, либо они вообще не обнаруживают кнопку должным образом. Я не могу понять расхождения.
Я новичок в OpenCV, поэтому, возможно, мой подход просто не очень хорош. Столь же вероятно, что то, что я пишу, не делает то, что я думаю. Дайте мне знать, что вы думаете. Я включил свой код и исходные изображения, которые использую.
import cv2
import numpy as np
from matplotlib import pyplot as plt
dire = cv2.imread('dire.jpg')
dire_template = cv2.imread('dire_template.jpg')
radiant = cv2.imread('radiant.jpg')
radiant_template = cv2.imread('radiant_template.jpg')
# color images are in the form BGR
# removing the B and G from the images makes the "continue" button more distinct between the two teams
# since dire is red while radiant is green
dire_red = dire.copy()
dire_red[:,:,0] = 0
dire_red[:,:,1] = 0
dire_template_red = dire_template.copy()
dire_template_red[:,:,0] = 0
dire_template_red[:,:,1] = 0
radiant_red = radiant.copy()
radiant_red[:,:,0] = 0
radiant_red[:,:,1] = 0
radiant_template_red = radiant_template.copy()
radiant_template_red[:,:,0] = 0
radiant_template_red[:,:,1] = 0
dire_gray = cv2.cvtColor(dire_red, cv2.COLOR_BGR2GRAY)
dire_template_gray = cv2.cvtColor(dire_template_red, cv2.COLOR_BGR2GRAY)
radiant_gray = cv2.cvtColor(radiant_red, cv2.COLOR_BGR2GRAY)
radiant_template_gray = cv2.cvtColor(radiant_template_red, cv2.COLOR_BGR2GRAY)
# plt.figure(0)
# plt.imshow(dire_red)
# plt.figure(1)
# plt.imshow(radiant_red)
# plt.figure(2)
# plt.imshow(dire_gray, cmap='gray')
# plt.figure(3)
# plt.imshow(radiant_gray, cmap='gray')
# plt.figure(4)
# plt.imshow(dire_template_red)
# plt.figure(5)
# plt.imshow(radiant_template_red)
# plt.figure(6)
# plt.imshow(dire_template_gray)
# plt.figure(7)
# plt.imshow(radiant_template_gray, cmap='gray')
# plt.show()
w, h = dire_template_gray.shape[::-1]
# All the 6 methods for comparison in a list
methods = ['cv2.TM_CCOEFF_NORMED',
'cv2.TM_CCORR_NORMED', 'cv2.TM_SQDIFF_NORMED']
for meth in methods:
print(f'{meth}: ')
# this would be the live image
img = dire_gray.copy()
method = eval(meth)
# Apply template Matching
dire_res = cv2.matchTemplate(img,dire_template_gray,method)
radiant_res = cv2.matchTemplate(img,radiant_template_gray,method)
dire_vals = [min_val, max_val, min_loc, max_loc] = cv2.minMaxLoc(dire_res)
radiant_vals = [min_val, max_val, min_loc, max_loc] = cv2.minMaxLoc(radiant_res)
print(dire_vals)
print(radiant_vals)
# print(f'min val: {min_val} max val: {max_val}')
# If the method is TM_SQDIFF or TM_SQDIFF_NORMED, take minimum
if method in [cv2.TM_SQDIFF, cv2.TM_SQDIFF_NORMED]:
top_left = min_loc
else:
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
cv2.rectangle(img,top_left, bottom_right, 255, 2)
# plt.subplot(121),plt.imshow(res,cmap = 'gray')
plt.subplot(121),plt.imshow(dire_res)
plt.title('Matching Result'), plt.xticks([]), plt.yticks([])
# plt.subplot(122),plt.imshow(img,cmap = 'gray')
plt.subplot(122),plt.imshow(img)
plt.title('Detected Point'), plt.xticks([]), plt.yticks([])
plt.suptitle(meth)
plt.show()