Correspondance multi-modèles NCC

Tutoriel vidéo 8 - Correspondance de modèles NCC : https://singtown.com/learn/49598/

La méthode de correspondance multi-modèles est fondamentalement la même que la correspondance de modèles. Il suffit de stocker et d'accéder à plusieurs modèles à l'avance. Vous pouvez utiliser le code suivant.

# Template Matching Example - Normalized Cross Correlation (NCC)
#
# Cet exemple montre comment utiliser la fonction NCC de la caméra OpenMV pour
# faire correspondre une petite partie d'image avec différentes zones de
# l'image... on ne peut espérer obtenir un NCC réellement utile que dans un
# environnement extrêmement contrôlé.
#
# Avertissement : le support NCC doit être revu en profondeur ! Cette
# fonctionnalité nécessite encore beaucoup de travail pour être vraiment
# utilisable. Ce script démontre l'existence de la fonctionnalité, mais dans
# son état actuel elle reste insuffisante.

import csi
import time, csi, image
csi0 = csi.CSI()

from image import SEARCH_EX, SEARCH_DS
# On importe SEARCH_EX et SEARCH_DS depuis le module image. Utiliser from
# import ne récupère que les deux éléments nécessaires, SEARCH_EX et
# SEARCH_DS, sans importer tout le module image.

# Reset sensor
csi0.reset()

# Set sensor settings
csi0.contrast(1)
csi0.gainceiling(16)
# Max resolution for template matching with SEARCH_EX is QQVGA
csi0.framesize(csi.QQVGA)
# You can set windowing to reduce the search image.
#csi0.window(((640-80)//2, (480-60)//2, 80, 60))
csi0.pixformat(csi.GRAYSCALE)

# Load template.
# Template should be a small (eg. 32x32 pixels) grayscale image.
templates = ["0.pgm", "1.pgm", "2.pgm", "6.pgm"] # on enregistre plusieurs modèles
# Chargement des images des modèles

clock = time.clock()

# Run template matching
while (True):
    clock.tick()
    img = csi0.snapshot()

    # find_template(template, threshold, [roi, step, search])
    # ROI: The region of interest tuple (x, y, w, h).
    # Step: The loop step used (y+=step, x+=step) use a bigger step to make it faster.
    # Search is either image.SEARCH_EX for exhaustive search or image.SEARCH_DS for diamond search
    #
    # Note1: ROI has to be smaller than the image and bigger than the template.
    # Note2: In diamond search, step and ROI are both ignored.
    for t in templates:
        template = image.Image(t)
        # On parcourt chaque modèle pour effectuer la correspondance
        r = img.find_template(template, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
    # find_template(template, threshold, [roi, step, search]), dans threshold
    # 0.7 est le seuil de similarité, roi est la zone de correspondance
    # (sommet en haut à gauche à (10,0), rectangle de 80 de long sur 60 de
    # large). Notez que la taille du roi doit être plus grande que l'image du
    # modèle, mais plus petite que le tampon d'image.
    # On entoure l'image correspondante trouvée
        if r:
            img.draw_rectangle(r)
            print(t) # affiche le nom du modèle

    #print(clock.fps())

Le résultat d'exécution est illustré sur la figure :

Sortie dans le terminal :