图片模板匹配，多张图片自适应拼接

# 导入工具包 import cv2 import myutils import numpy as np from imutils import contours import os, sys, random, string, time, argparse from flask import Flask, request, json, url_for basedir = os.path.abspath(os.path.dirname(__file__)) # 定义一个根目录 用于保存图片用 app = Flask(__name__) # 图像模板匹配 def cv_show(name,img): cv2.imshow(name, img) cv2.waitKey(0) cv2.destroyAllWindows() def img_read(src): # 读取一个模板图像 # img = cv2.imdecode(np.fromfile(src, dtype=np.uint8), -1) img = cv2.imdecode(np.array(src, dtype='uint8'), cv2.IMREAD_UNCHANGED) # img = cv2.imread(src) # 写入图像的函数：cv2.imencode('.jpg', img_data)[1].tofile(file_path) # cv_show('img', img) # 灰度图 ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # cv_show('ref', ref) return ref def template_read(src): # 读取一个模板图像 img = cv2.imdecode(np.fromfile(src, dtype=np.uint8), -1) # img = cv2.imdecode(np.array(src, dtype='uint8'), cv2.IMREAD_UNCHANGED) # img = cv2.imread(src) # 写入图像的函数：cv2.imencode('.jpg', img_data)[1].tofile(file_path) # cv_show('img', img) # 灰度图 ref = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # cv_show('ref', ref) return ref @app.route('/api/match', methods=['GET', 'POST']) def editorData(): # # 生成随机字符串，防止图片名字重复，如果可以保证读入的图片名字不重复，可以省略这一步 # ran_str = ''.join(random.sample(string.ascii_letters + string.digits, 16)) # string.ascii_letters生成a-z,A-Z的随机字母，string.digits生成随机的数字 # # 获取图片文件 name = upload img = request.files.get('upload') # # 定义一个图片存放的位置，存放在static下面 # # path = basedir + "/static/img/" # # 图片名称，给图片重命名，为了图片名称的唯一性 # imgName = ran_str + img.filename # # imgName = img.filename # # 图片path和名称组成图片的保存路径 # file_path = path + imgName # # 保存图片 # img.save(file_path) # # 这个是图片的访问路径，需返回前端（可有可无） # url = 'static/img/' + imgName # 不保存图片，直接以数据流的形式传递 filelist = [] filedir = os.listdir('template') for file in filedir: f = os.path.join('template', file) filelist.append(f) # print(filelist) # 将数据流读成用cv2读入 image = img_read(bytearray(img.read())) # cv_show('image', image) # print('img shape:', image.shape) (h, w) = image.shape res_list = {} t1 = time.time() for file in filelist: f = template_read(file) f = myutils.resize(f, width=w) (fh, fw) = f.shape res = cv2.matchTemplate(image[int(h / 4):int(3 * h / 4), int(fw / 4):int(3 * fw / 4)], f, cv2.TM_CCOEFF_NORMED) min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res) res_list[file] = max_val t2 = time.time() print("time cost:{}s".format(t2 - t1)) res_list = sorted(zip(res_list.keys(), res_list.values()), key=lambda b: b[1], reverse=True) print(res_list) i = 0 while i <= 4: # 获取匹配度排在前5的图片的路径和相似性得分 best_img_path, best_img_score = res_list[i][0], res_list[i][1] # 按路径读入图片 match_img = cv2.imdecode(np.fromfile(best_img_path, dtype=np.uint8), -1) # 获取图片名 img_name = best_img_path.split('\\')[-1] # 获取该图片的路径 file_path = "match/" + 'No' + str(i)+ '_' +str(best_img_score)[:5] + '_' + img_name # 写入指定目录 cv2.imencode('.jpg', match_img)[1].tofile(file_path) i+=1 ans = "1111" # 返回图片路径到前端 return ans if __name__ == "__main__": app.run(port=8000,debug=True)