1. 模板匹配实战中的那些坑
做计算机视觉的朋友对模板匹配肯定不陌生,OpenCV的matchTemplate函数用起来看似简单,但真正在工业场景落地时,各种意想不到的问题会让你怀疑人生。最近在做一个流水线零件检测项目,把模板匹配的各种变形玩法都折腾了一遍,这里分享几个实战中容易掉头发的经验。
模板匹配的核心思想很简单:在目标图像中滑动搜索与模板图像最相似的区域。OpenCV提供了6种相似度计算方法,最常用的是TM_CCOEFF_NORMED(归一化相关系数匹配)。基础用法大家都懂:
cpp复制Mat result;
matchTemplate(srcImg, templateImg, result, TM_CCOEFF_NORMED);
double minVal, maxVal;
Point minLoc, maxLoc;
minMaxLoc(result, &minVal, &maxVal, &minLoc, &maxLoc);
但实际项目中,这种标准流程会遇到三大致命问题:
- 形变抗性差:零件稍微弯曲或旋转就匹配失败
- 多目标处理笨拙:多个相似模板时效率低下
- 透视变形无解:摄像头角度变化导致匹配失效
1.1 形变问题的破解之道
流水线上的零件经常会被机械臂压弯,这时候标准模板匹配直接歇菜。我的解决方案是模板形变增强:对原始模板施加多种仿射变换,生成形变样本库。具体操作:
cpp复制vector<Mat> generateVariants(const Mat& templateImg) {
vector<Mat> variants;
for (int angle = -15; angle <= 15; angle += 5) {
Mat rotated;
Point2f center(templateImg.cols/2.0, templateImg.rows/2.0);
Mat rotMat = getRotationMatrix2D(center, angle, 1.0);
warpAffine(templateImg, rotated, rotMat, templateImg.size
