Trouver une sous-image à l'intérieur d'un Numpy image

Je fais cela avec OpenCV's matchTemplate fonction. Il y a un super binding python pour OpenCV qui utilise numpy en interne, de sorte que les images sont juste des tableaux numpy. Par exemple, supposons que vous avez un 100x100 pixel BGR fichier testimage.bmp. Nous prenons un 10x10 sous-image à la position (30,30) et le trouver dans l'original.

import cv2
import numpy as np

image = cv2.imread("testimage.bmp")
template = image[30:40,30:40,:]

result = cv2.matchTemplate(image,template,cv2.TM_CCOEFF_NORMED)
print np.unravel_index(result.argmax(),result.shape)

De sortie:

(30, 30)

Vous pouvez choisir entre plusieurs algorithmes pour correspondre le modèle de l'original, cv2.TM_CCOEFF_NORMED est juste l'un d'eux. Voir la documentation pour plus de détails, certains algorithmes indiquer matchs à minima, d'autres comme des maxima dans le tableau résultat. Un mot d'avertissement: OpenCV utilise BGR canal de commande par défaut, donc soyez prudent, par exemple, lorsque vous comparez une image que vous avez chargé avec cv2.imread à une image vous avez converti à partir du DIP de numpy. Vous pouvez toujours utiliser cv2.cvtColor pour convertir entre les formats.

Pour trouver tous matches au-dessus d'un seuil donné confidence, j'utilise quelque chose le long des lignes de la ce de l'extrait de la correspondance des coordonnées de mon tableau résultat:

match_indices = np.arange(result.size)[(result>confidence).flatten()]
np.unravel_index(match_indices,result.shape)

Cela donne un n-uplet de tableaux de longueur 2, chacune correspondant à coordonner.

OriginalL'auteur PiQuer

Vous pouvez réellement réduire ce problème à une simple chaîne de caractères de recherche à l'aide d'un regex comme la suite de la mise en œuvre - accepte deux PIL.Image objets et trouve les coordonnées de la needle dans le haystack. C'est sur 127x plus rapide que d'utiliser un pixel-par-pixel de recherche.

def subimg_location(haystack, needle):
    haystack = haystack.convert('RGB')
    needle   = needle.convert('RGB')

    haystack_str = haystack.tostring()
    needle_str   = needle.tostring()

    gap_size = (haystack.size[0] - needle.size[0]) * 3
    gap_regex = '.{' + str(gap_size) + '}'

    # Split b into needle.size[0] chunks
    chunk_size = needle.size[0] * 3
    split = [needle_str[i:i+chunk_size] for i in range(0, len(needle_str), chunk_size)]

    # Build regex
    regex = re.escape(split[0])
    for i in xrange(1, len(split)):
        regex += gap_regex + re.escape(split[i])

    p = re.compile(regex)
    m = p.search(haystack_str)

    if not m:
        return None

    x, _ = m.span()

    left = x % (haystack.size[0] * 3) / 3
    top  = x / haystack.size[0] / 3

    return (left, top)

OriginalL'auteur Ben