Многошаблонное сопоставление NCC

Видеоурок 8 - Сопоставление с шаблоном NCC: https://singtown.com/learn/49598/

Метод многошаблонного сопоставления в основном такой же, как сопоставление с шаблоном. Нужно только заранее сохранить несколько шаблонов и обращаться к ним. Можно использовать следующий код.

# Template Matching Example - Normalized Cross Correlation (NCC)
#
# Этот пример показывает, как использовать функцию NCC вашей камеры OpenMV
# для сопоставления небольших фрагментов изображения с различными частями
# изображения... кроме крайне контролируемых условий, NCC не так уж полезна.
#
# ПРЕДУПРЕЖДЕНИЕ: поддержку NCC необходимо переработать! На данный момент эта
# функция требует большой доработки, чтобы стать по-настоящему полезной.
# Этот скрипт остаётся, чтобы показать, что функциональность существует, но
# в текущем состоянии она недостаточна.

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

from image import SEARCH_EX, SEARCH_DS
#импортируем SEARCH_EX и SEARCH_DS из модуля image. Используя from import,
#мы импортируем только нужные нам части SEARCH_EX, SEARCH_DS, а не весь модуль image целиком.

# 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"] #сохраняем несколько шаблонов
#загружаем изображения шаблонов

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)
        #для каждого шаблона в цикле выполняем сопоставление с шаблоном
        r = img.find_template(template, 0.70, step=4, search=SEARCH_EX) #, roi=(10, 0, 60, 60))
    #find_template(template, threshold, [roi, step, search]), 0.7 в threshold -
    #это порог сходства, roi - область, в которой выполняется сопоставление
    #(левый верхний угол в точке (10, 0), прямоугольник длиной 80 и шириной 60),
    #обратите внимание, что размер roi должен быть больше изображения шаблона, но меньше framebuffer.
    #отмечаем найденное изображение
        if r:
            img.draw_rectangle(r)
            print(t) #выводим имя шаблона

    #print(clock.fps())

Результат работы показан на рисунке:

Вывод в терминале: