高效检测大图像的形状

我有一个巨大的电路图，其中包含二极管，电阻器，晶体管等符号。高效检测大图像的形状

我必须从此图像中选择符号（基于输入模板），并使用矩形边界框突出显示这些符号。这些符号可能会旋转（和缩放） - 但现在我们不考虑缩放/旋转。在同一列/行中可能有多个符号和行。

图片尺寸为5600x3600。它是灰度，转换为b/w，然后整个事物可以被提及为0和1s，其中1 ==黑色像素。我认为白色像素可以视为“不在乎”

什么是正确和快速的方法来做到这一点？

我有从较大的图像中提取的模板图像 - 例如“diode.png”。假设至少有一个符号完全匹配，而无需缩放或旋转。

蛮力模板/矩阵比较方法适用于我 - 但它非常缓慢..需要45分钟（在最新的MBP-2.4ghz-英特尔i5/8GB上）来检测一个完全匹配。我正在使用numpy，只要我可以 - 但可能我没有使用某些numpy迭代器。

不幸的是，我不能在python外执行此操作，并且无法将图像尺寸减小到5600x3600以下，而不会使符号无法识别。

解决此问题的另一种方法是：从大矩阵中查找所有匹配的子矩阵。

什么是实现上述目标的正确和执行方法？我不太了解信号处理 - 但这可以帮助吗？这里的模板大小（子矩阵）是最小的50x50

编辑：OpenCV不是我的选择 - skimage可用。但是，请不要让这些停止输入。

我不能分享实际图表，但示例在这里。例如，二极管在这里标记为D1和D2。完整的图是一样清楚这一点，但5600 X 3600在画布上

http://www.controlcircuitdiagram.com/diagramcircuitelectronic.com/wp-content/uploads/2011/08/electronic-circuits.jpg

我还想补充一点，match_template从skimage从较大的图像

来源

2014-02-24 anups

你可以提供一个示例图像，这样有人可能会有更好的想法，他会在该图像上实现它。 –

你要找的术语是 “template matching”。

通常认为，由于图像噪声和其他因素，模板将不会完全匹配。相反，您可以用最小的错误分数查找图像区域。

你可以在scikit图像使用normalized cross-correlation的实现：

，如果您添加现有的代码和样本图像和模板这将有助于。

来源

2014-02-24 11:28:43 YXD

谢谢，我早些时候使用过 - 由于某种原因，它不适用于完整（大）图像。但对于从较大图像中提取的较小样本来说，它是完美的。我从来没有想过可能导致这个问题的图像噪声因子： ij = np.unravel_index（np.argmax（result），result.shape）。我会给“匹配结果”另外看看结果，看看是否有隐藏在那里的东西。感谢提示 – anups

没有看到您的代码很难给出具体的建议。如果您发布当前的方法，您将得到更多更好的答案：http://stackoverflow.com/help/mcve – YXD

大图像花了很多时间来做模板匹配（和旋转）。缩放也是一个参数 - 我使用图像金字塔。但为了处理大量的噪音和减少搜索空间，我使用了绝对差和来找出给定模板的图像的最佳尺度（结合我自己的一些参数来确定尺度）。然后使用模板匹配和概率来选择最佳结果。总体而言，它正确地检测到95％的图像具有零错误检测。时间不是40分钟 - 但1-2分钟（仍然巨大）。 – anups

我摘录了更小的砖完美的作品建议你使用opencv，它也适用于python。有你需要使用基本功能：

findContours

然后通过每个轮廓

每个（轮廓）迭代

获得点的序列轮廓，由变量'轮廓'指向

approxPoly

Here，你会发现一个有趣的例子

来源

2014-02-24 09:09:17 dervish

谢谢，我忘了提及openCV不适合我。 Skimage没问题。我会更新这个问题，并会尝试这些选项在skimage – anups

你试过Sum of Absolute Difference？这是做模板匹配最简单的方法之一，但它也是一种强力方法。

我将它应用于文档图像（A4,300 dpi，2500 * 3500像素）的徽标斑点。这很慢，但不需要45分钟！为了加快你可以分割图像（选择重叠区域，以便不要错过你的符号）。

来源

2014-02-25 08:17:18

高效检测大图像的形状

回答

相关问题