找到思聰王

IG 奪冠啦！王老闆火啦！連王老闆吃熱狗都吃的如此銷魂，那咱們固然要來在人羣中找到他呢！

看到一個美術生的做品，如何 3 秒內找到思聰王。

我找了很久啊，這幅圖畫的真是魔性，看得眼睛都花了，浪費了我寶貴的上班時間。不得不認可，我，做爲一個工科生，3 秒鐘是找不到了。可是，個人電腦能夠呀！

連美術生都出動調侃王思聰了，工科生怎麼能坐以待斃！那我就趁着上班，來作一個自動找王思聰的實現吧。

既然在上班，就要用一種比較專業的方式來展開個人工做。

項目目標：在一羣鴨子中找到 吃熱狗的 王思聰

項目實現：Python ，OpenCV

項目成果：0.3 秒內找到

項目技術路線：

1. 得到鴨子同等大小的王思聰；
   
2. 在原圖全局搜索，匹配王思聰所在的位置；
   
3. 在王思聰周圍畫個紅框；
   
4. 查看計算機速度；
   

項目具體實現：

圖像處理，做爲計算機算法中十分大的一類，現成的代碼庫中有一個很是適合用來作

1.得到鴨子同等大小的王思聰 —— resize（OpenCV）

這個部分主要是數據的預處理，說得很專業，其實就是用電腦自帶的截圖工具，截取一個小鴨子，他的大小大約爲 36*36。咱們就相應地把王思聰 resize 到和小鴨子同等大小，這裏採用了插值 inter_cubic 的方式來進行重採樣。

王思聰的圖來自 那位可愛的美術生。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
""" Created on Wed Nov 7 11:42:02 2018 @author: aaron """
import cv2

template = cv2.imread('wangsicong.png')
template = cv2.resize(template, (40, 40),
interpolation=cv2.INTER_CUBIC)複製代碼

2.在原圖全局搜索，匹配王思聰所在的位置 —— matchTemplate （opencv）

OpenCV 做爲一個比較全能的圖像處理庫，可以提供較爲許多圖像處理的基礎，好比邊緣監測函數能夠直接用於監測圖像的邊界（OpenCV 也提供了 canny 算子、sobel 算子等）。

這裏咱們使用 模版匹配算法（matchTemplate），他幫助算法在一副圖像中找到特定的目標。該函數須要四個參數，

• 原圖 Image
  
• 監測目標 detect
  
• 匹配結果圖 result
  
• 匹配衡量方式 method
  
• CV_TM_SQDIFF，平方差
  
• CV_TM_SQDIFF_NORMED，平方差歸一化
  
• CV_TM_CCORR，相關度
  
• CV_TM_CCORR_NORMED，相關度歸一化
  
• CV_TM_CCOEFF，相關係數
• CV_TM_CCOEFF_NORMED，相關係數歸一化

所以，該搜索主要是以像素級別的匹配，不會進行縮放；

咱們目前的任務中王思聰的色調並無改變，所以任何一種方法的差別並非很大。

import numpy as np
from matplotlib import pyplot as plt
 
img = cv2.imread('image.jpg')
template = cv2.imread('detect.png')   

# Apply template Matching
res = cv2.matchTemplate(img,template,eval('cv2.TM_CCOEFF'))

# Get the size of template
w, h = template[:,:,0].shape[::-1]複製代碼

3.在王思聰周圍畫個紅框 —— minMaxLoc（OpenCV）；

matchTemplate 函數獲得的結果是一個灰度數值圖，給出的是圖像中每個 detect 範圍的匹配程度，灰度數值越大，則類似度越高。

爲了畫出這個最有可能出現思聰王的位置，咱們使用 OpenCVv 的 minMaxLoc 函數來獲得思聰王邊框的具體位置，並進一步使用 OpenCV 的 rectangle 函數來畫出這個框。

# Get anchor for templateMatch result
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)

# draw rectangle
top_left = max_loc
bottom_right = (top_left[0] + w, top_left[1] + h)
imgplt = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
cv2.rectangle(imgplt,top_left, bottom_right, 255, 2)

# show image
plt.imshow(imgplt)
plt.title('Detected results'), plt.xticks([]), plt.yticks([])
plt.show()
複製代碼

結果如上！成功！

4.計算機的速度 —— timeit。

Python 的 timeit 模塊可以提供 代碼運算時間 的統計，在使用這一模塊的使用，總共記錄兩次時間。一次在全部代碼運行以前，一次在全部代碼運行以後，兩次相減就獲得的 代碼運算的 總時間。

這裏列出了 timeit 時間統計的方式，可是在具體運行的時候，則須要把上述代碼所有放在兩次時間獲取的中間，也就是下述第四行的位置。

import timeit
start = timeit.default_timer()

# All your code above

stop = timeit.default_timer()
print('Time: ', stop - start) 

複製代碼

我平均跑了十次，2018 年款的 MacBook Air，基本配置的平均時間是 0.2 秒！

目標達成！

PS，👆是爲了展現一下 OpenCV 的風采。所以使用了傳統的模式匹配流程。若是咱們在實際應用中，面對雷同的問題。

1. 首先分析認爲，王思聰的臉部顏色和鴨子不同，且他的臉部顏色只有他獨有的；
   
2. 可使用 滴管 功能來獲得 王思聰臉部顏色的 RGB；
   
3. 在圖中搜索有 臉部顏色 RGB 的部分 並 高亮；
   
4. 找到 王思聰！
   

OpenCV 是 計算機視覺 中很是重要的類庫，他既能夠支持傳統計算機視覺處理，也能夠支持 深度學習計算機視覺。他的底層是 C++，運算速度很快，也提供了 Python 的調用接口，真的省了不少事呢！

感謝觀看！