Zweck

Dies ist ein Memorandum zum Auffinden von Kartenillustrationen aus Bildern mithilfe der Feature-Point-Anpassung.

Vorbereitung

1. Kartenillustration
Bild mit Kartenillustration
1. Code, um die Kartenillustration aus dem Bild zu finden, das die Kartenillustration enthält

(Beispiel 1. Kartenillustration test2.png Quelle: [[Alle Blue Eyes White Dragon] Legendäre Drachenbahn mit dem stärksten Titel von Yugioh](https://yu-gi-oh.xyz/ Blue Eyes White Dragon / post- 49725 /)

(Beispiel) 2. Bild einschließlich Kartenillustration test1.png Quelle: Adere

3. 3. Code, um die Kartenillustration aus dem Bild zu finden, das die Kartenillustration enthält

Code, der Feature-Punkte berechnet und Kartenillustrationen aus Bildern extrahiert Referenz: Mickey anhand der Feature-Point-Übereinstimmung erkennen

Der Feature-Point verwendet AKAZE.

`sample.py`


import cv2
import numpy as np

fname_img1='test1.png'
fname_img2='test2.png'

img1 = cv2.imread(fname_img1)
img2 = cv2.imread(fname_img2)
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
akaze = cv2.AKAZE_create()
kp1, des1 = akaze.detectAndCompute(gray1, None)
kp2, des2 = akaze.detectAndCompute(gray2, None)

#img1_sift = cv2.drawKeypoints(gray1, kp1, None, flags=4)
#img2_sift = cv2.drawKeypoints(gray2, kp2, None, flags=4)
#cv2.imwrite('out1.png', img1_sift)
#cv2.imwrite('out2.png', img2_sift)

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
matches = bf.match(des1, des2)
matches = sorted(matches, key = lambda x:x.distance)
img3 = cv2.drawMatches(img1, kp1, img2, kp2, matches[:10], None, flags=2)
cv2.imwrite('out-match.png', img3)

#homography
good_match_rate = 0.15;
good = matches[:int(len(matches) * good_match_rate)]

min_match=10
if len(good) > min_match:
    src_pts = np.float32([kp1[m.queryIdx].pt for m in good]).reshape(-1, 1, 2)
    dst_pts = np.float32([kp2[m.trainIdx].pt for m in good]).reshape(-1, 1, 2)
    # Find homography
    M, mask = cv2.findHomography(dst_pts, src_pts, cv2.RANSAC)
    matchesMask = mask.ravel().tolist()

    print(M)
    print(M[0][2])
    print(M[1][2])

    height = img2.shape[0]
    width = img2.shape[1]
    top_left = (int(M[0][2] +0.5), int(M[1][2] +0.5)); #tx,ty
    bottom_right = (top_left[0] + width, top_left[1] + height)

#result
result = cv2.imread(fname_img1)
cv2.rectangle(result,top_left, bottom_right, (255, 0, 0), 10)
cv2.imwrite("result.png ", result)

Prüfung

Ausführungsergebnis

$ python sample.py
[[ 6.43984577e-01 -4.58173428e-02  1.61203033e+02]
 [ 2.85![result.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/344880/23ae3f02-409a-6a3a-5e8b-673a20afa502.png)
230902e-02  4.12312421e-01  1.50286636e+02]
 [ 4.54533377e-04 -5.75705548e-04  1.00000000e+00]]
161.2030333928222
150.28663624674783

Berechnen und stimmen Sie Feature-Punkte ab

Rahmen erkennen

Der Rahmen ist etwas größer, da die Änderung der Kartengröße nicht berücksichtigt werden kann.

Für Webkamerabilder (1 Karte)

Es scheint, dass ein Blatt erkannt werden kann.

Die Rahmenabweichung muss angepasst werden (derzeit fester Wert).

Für Webkamerabilder (mehrere Karten)

Mehrere Blätter sind streng.

Aufgabe

Unterstützt mehrere Karten --Video-Unterstützung
Einstellung der Rahmenfehlausrichtung

Es kann für Yugiohs Fernduell verwendet werden.

Codierungsfehler Maßnahmen

nichts Besonderes

Referenz

[[Alles über Blue Eyes White Dragon] Der Ort des legendären Drachen mit dem stärksten Titel von Yugioh](https://yu-gi-oh.xyz/ Blue Eyes White Dragon / post-49725 /) Adere Mickey anhand des Feature-Point-Matchings erkennen AKAZE

[PYTHON] Finden Sie Kartenillustrationen aus Bildern mithilfe der Feature-Point-Anpassung