Python + OpenCVでのHSVヒストグラム情報によるパターンマッチング

HSV情報によるパターンマッチング方法
模様系のパターンのマッチングでは結構使える印象

実施結果

イラストの机模様のパターンをもとに机の箇所を特定してみた

１．認識対象画像用意
認識対象用の画像を用意

２．机模様パターン画像用意
上記画像から机の部分画像を切り取り

３．机の箇所を特定
以下のように机の箇所のみがマーキングされる（明るい赤の箇所が最も机の確度が高い箇所）

ソースコード

上記実施時のソースコードです

test.py

import cv2
import os

# 対象画像読み込み
img = cv2.imread("targetImg.png",cv2.IMREAD_COLOR)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)

# 画像情報（幅，高さ，チャンネル数，depth）を取得
height, width, channels = img.shape[:3]

# 机模様のテンプレート画像読み込み
imgTmp = cv2.imread("imgTmp.png",cv2.IMREAD_COLOR)
heightTmp, widthTmp, channelsTmp = imgTmp.shape[:3]
hsvTmp = cv2.cvtColor(imgTmp, cv2.COLOR_BGR2HSV)

# マーキング画像生成
imgMark = img

ch_names = {0: 'Hue', 1: 'Saturation', 2: 'Brightness'}

# 対象領域を順に切り出し確認
for x in range(0,int(width / widthTmp)):
    for y in range(0,int(height / heightTmp)):

      # 対象領域を切り出し
      hsvClp = hsv[int(y * heightTmp):int((y + 1) * heightTmp),int(x * widthTmp):int((x + 1) * widthTmp)]

      # 各チャンネルごとにヒストグラムの類似度を算出する。
      scores, hists1, hists2 = [], [], []
      for ch in ch_names:
          h1 = cv2.calcHist([hsvTmp], [ch], None, histSize=[256], ranges=[0, 256])
          h2 = cv2.calcHist([hsvClp], [ch], None, histSize=[256], ranges=[0, 256])
          # 類似度を算出
          score = cv2.compareHist(h1, h2, cv2.HISTCMP_CORREL)
          hists1.append(h1)
          hists2.append(h2)
          scores.append(score)
      mean = np.mean(scores)

      # 一定閾値の箇所のみマーキング 
      if mean > 0.20 :
        cv2.rectangle(imgMark, (int(x * widthTmp), int(y * heightTmp)), (int((x + 1) * widthTmp), int((y + 1) * heightTmp)), (0, 0, int(mean * 500)), 2)

cv2.imwrite("markImg.png", imgMark)

参考文献

• OpenCV - 2枚の画像の類似度を compareHist() で計算する。